hayataka2049 https://blog.hatena.ne.jp/hayataka2049/ 静かなる名辞 https://hayataka2049.hatenablog.jp/ python sklearn 機械学習 matplotlib SVM ランダムフォレスト 主成分分析 次元削減 はじめに 分類器の特性を把握するために2次元データで分離境界を見るということが行われがちですが、高次元空間における分離器の特性を正確に表している訳ではありません。 ということがずっと気になっていたので、なんとか高次元空間で分類させて2次元で見る方法を考えます。 方法 PCAで2次元に落とせれば、線形変換で逆変換もできるので、それでやります。当然ながら情報は落ちますし、2次元でもなんとか見える程度のデータしか扱えませんが、妥協します。 sklearnならinverse_transformという便利なメソッドがあるので、簡単です。 というあたりまで考えた上で、こんなコードを書きました。show_h… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fhayataka2049.hatenablog.jp%2Fentry%2F2019%2F05%2F24%2F040131" title="【python】高次元の分離境界をなんとか2次元で見る - 静かなる名辞" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/h/hayataka2049/20190524/20190524032324.png Hatena Blog https://hatena.blog 2019-05-24 04:01:31 rich https://hayataka2049.hatenablog.jp/entry/2019/05/24/040131 1.0 100%