移除樣本的影響
支援向量是指會影響決策邊界的訓練樣本。在這個練習中，你將把非支援向量從訓練集移除，來觀察這種行為。
紅酒品質資料集已經載入到 X 和 y（僅使用前 2 個特徵）。（注意：我們在 plot_classifier() 中指定了 lims，讓兩張圖使用相同的座標範圍，方便直接比較。）
本練習屬於課程
Python 中的線性分類器
練習說明
- 在整個資料集上訓練一個線性 SVM。
- 建立一個只包含支援向量的新資料集。
- 在這個較小的資料集上再訓練一個線性 SVM。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Train a linear SVM
svm = SVC(kernel="linear")
svm.fit(____)
plot_classifier(X, y, svm, lims=(11,15,0,6))
# Make a new data set keeping only the support vectors
print("Number of original examples", len(X))
print("Number of support vectors", len(svm.support_))
X_small = X[____]
y_small = y[____]
# Train a new SVM using only the support vectors
svm_small = SVC(kernel="linear")
svm_small.fit(____)
plot_classifier(X_small, y_small, svm_small, lims=(11,15,0,6))