sklearn.svm.SVC(kernel 기법)

높이를 정하는 함수를 만들어 높이를 만들고 구분이 되면 구분 기준을 가지고 다시 높이를 제거한다.

C 가 증가하면 곡선이 디테일 해지고

감마가 증가하면 섬들이 많이 생긴다.

from sklearn.datasets import load_iris
from sklearn.svm import SVC
from sklearn.svm import LinearSVC

iris=load_iris()
col1=0
col2=1

X=iris.data[:,[col1,col2]]
y=iris.target

X_train,X_test,y_train,y_test=train_test_split(X,y)

# SVC : 성능은 좋지만 튜닝이 어렵다
model1=SVC()
model1.fit(X_train,y_train)

mglearn.plots.plot_2d_classification(model1,X_train,y_train)
mglearn.discrete_scatter(X_train[:,col1],X_train[:,col2],y_train)

# 감마가 커지면 자기빼고 대부분 0이 됨(높이들이 뾰족해진다)

model1=SVC(gamma=100)
model1.fit(X_train,y_train)

mglearn.plots.plot_2d_classification(model1,X_train,y_train)
mglearn.discrete_scatter(X_train[:,col1],X_train[:,col2],y_train)