[머신러닝스터디/2016]
[머신러닝스터디/2016/목차]
== 내용 ==
 * SVM 실습 with [http://scikit-learn.org/stable/ sklearn]
  * skflow(tensorflow의 contib/learn으로 흡수됨)을 사용하려 했으나 svm모듈 부분이 최신 커밋에만 포함되어 있어 sklearn을 사용하기로 함
  * sklearn 버전은 0.17.1
설치 방법
{{{
  $ sudo pip install sklearn
}}}

=== 코드 ===
{{{
import sklearn
from sklearn import svm

#### SVC with rbf kernel
# default is rbf kernel
clf = svm.SVC()
x_data = [[0,0], [0,1], [1,0], [1,1]]

# linear
## And gate
y_data = [0, 0, 0, 1]
clf.fit(x_data, y_data)
# SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
#   decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
#   max_iter=-1, probability=False, random_state=None, shrinking=True,
#   tol=0.001, verbose=False)
clf.predict(x_data)
# array([0, 0, 0, 0]) # wrong

## Or gate
y_data = [0, 1, 1, 1]
clf.fit(x_data, y_data)
clf.predict(x_data)
# array([1, 1, 1, 1])

# non-linear
## Xor gate
y_data = [0, 1, 1, 0]
clf.fit(x_data, y_data)
clf.predict(x_data)
# array([0, 1, 1, 0]) # Correct answer


#### SVC with Linear kernel
clf = svm.SVC(kernel='linear')
clf.fit(x_data, y_data)
# SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
#   decision_function_shape=None, degree=3, gamma='auto', kernel='linear',
#   max_iter=-1, probability=False, random_state=None, shrinking=True,
#   tol=0.001, verbose=False)
clf.predict(x_data)
# array([0, 0, 0, 0])


#### LinearSVC
clf = svm.LinearSVC()
clf.fit(x_data, y_data)
# LinearSVC(C=1.0, class_weight=None, dual=True, fit_intercept=True,
#      intercept_scaling=1, loss='squared_hinge', max_iter=1000,
#      multi_class='ovr', penalty='l2', random_state=None, tol=0.0001,
#      verbose=0)
clf.predict(x_data)
# array([0, 0, 0, 1]) # Correct answer
}}}

* non-linear는 분류하지만 linear는 분류하지 못하는 SVC?
 * multi-class에서 분류 시에 voter의 결과에 따라 분류됨
  * 결과에 0이 많으면(And gate) 모두 0이 되고 
   {{{ y_data = [0, 0, 0, 1]면 결과가 [0, 0, 0, 0] }}}
  * 1이 더 많으면(Or gate) 
   {{{ y_data = [0, 1, 1, 1]면 결과가 [1, 1, 1, 1] }}}
 * and gate는multi class가 아님
== 다음 시간에는 ==
== 더 보기 ==