機械学習アルゴリズムサポートベクターマシンとPython（scikit-learn編）

2023/3/25
執筆者：南波真之

※本記事は吉政創成株式会社「Python学習とキャリアアップ」より寄稿されたコラムとなります。

機械学習アルゴリズムサポートベクターマシンとPython（scikit-learn編）

皆さん、こんにちは。南波真之（なんばさねゆき）と申します。

私はエンジニアではない文系の人間ですが、Pythonの可能性やデータ分析を使った仕事に興味があります。

前回は、分類手法の代表の1つでもあるサポートベクターマシン（SVM）について、基礎編として取り上げてきました。SVMとは機械学習のアルゴリズムで、2つのクラス（データのグループ）の分類を行うことを基本的な目的として利用します。分類のための境界線とそれに最も近い各クラスのデータ（サポートベクター）の間の距離が最も大きくなる（マージンの最大化）ような境界線（決定境界線）を引くということです。

さて今回は、SVMの続きです。SVMをscikit-learnを使って構築してみます。私が勉強しているPythonによるあたらしいデータ分析の教科書（翔泳社）の、P226.〜P.234の部分です。SVMの基礎を理解した上で、Pythonを使ってSVMを作ってみようと思います。

scikit-learnでサポートベクターマシンを使ってプロット

データを用意して、早速サポートベクターマシンを使っていきます。用意するデータは2クラスでランダムに生成したデータを作ります。

import matplotlib.pyplot as plt
np.random.seed(110)

# X軸Y軸ともに0〜1までの分布から100点をサンプリングする
X0 = np.random.uniform(size=(100, 2))

# クラス0のラベルを100個生成
y0 = np.repeat(0, 100)

# X軸Y軸ともに-1〜0までの分布から100点をサンプリングする
X1 = np.random.uniform(-1.0, 0.0, size=(100, 2))

# クラス1のラベルを100個生成
y1 = np.repeat(1, 100)

# プロット figはfigure（図形）, axはaxes（軸）
# figureオブジェクトとそれに属する1つのaxesオブジェクトを生成
fig, ax = plt.subplots()
# 散布図 scatter(x座標, y座標, markerマーカースタイル, labelラベル名)
ax.scatter(X0[:, 0], X0[:, 1], marker='o', label='class 0′)
ax.scatter(X1[:, 0], X1[:, 1], marker='x', label='class 1′)

# 軸にラベル付け
ax.set_xlabel('x')
ax.set_ylabel('y')

# タイトル
plt.title('ランダムに2つのクラスに属するデータを生成')

# 凡例
ax.legend()
# プロットの表示
plt.show()

↓（出力）

この作成したデータにサポートベクターマシンを使います。

今回は独自関数を作り、その中にサポートベクターマシンの処理も入れています。

from sklearn.svm import SVC

# 関数化（学習、決定協会、マージン、SVM）
def plot_boundar_margin_sv(X0, y0, X1, y1, kernel, C, xmin=-1, xmax=1, ymin=-1, ymax=1):
    # サポートベクタマシンのインスタンス化
    svc = SVC(kernel=kernel, C=C)
    # 学習
    svc.fit(np.vstack((X0, X1)), np.hstack((y0, y1)))

    fig, ax = plt.subplots()
    ax.scatter(X0[:, 0], X0[:, 1], marker='o', label='class 0′)
    ax.scatter(X1[:, 0], X1[:, 1], marker='x', label='class 1′)

    # 決定境界とマージンをプロットする
    # np.meshgrid関数：各座標の要素列から格子座標を作成する、マス目の交点を出す
    # np.linspace：第一引数以上、第二引数以下の、等間隔の配列を第三引数の要素数作成
    xx, yy = np.meshgrid(np.linspace(xmin, xmax, 100), np.linspace(ymin, ymax, 100))
    xy = np.vstack([xx.ravel(), yy.ravel()]).T
    p = svc.decision_function(xy).reshape((100, 100))
    # contour：等高線を描画, pは高さ
    ax.contour(xx, yy, p, colors='k', levels=[-1, 0, 1], alpha=0.5, linestyles=['-', '-', '-', ])

    # サポートベクタをプロット
    ax.scatter(svc.support_vectors_[:, 0], svc.support_vectors_[:, 1], s=250, facecolors='none', edgecolors='black')
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.legend(loc='best')
    plt.show()

関数を作りましたので、これを使ってプロットをしていきます。

# プロット
# Cは、マージンの設定パラメータ
plot_boundar_margin_sv(X0, y0, X1, y1, kernel='linear', C=1e6)

↓（出力）

出力結果を見ると、2つのクラスに対して決定境界が引かれておりサポートベクタも算出されている事がわかります。

ちなみに、Cの値を調整することでマージンを変えて確認する事ができます。C=0.05でもう一度プロットしてみます。

# プロット
plot_boundar_margin_sv(X0, y0, X1, y1, kernel='linear', C=0.05)

↓（出力結果）

マージンが大きくなって、サポートベクタの個数も増えたことがわかります。このようにCの値を修正して試してみると理解が深まります。

さて、ここまでは直線の決定境界を見ていきましたが、必ずこの形で分類ができるとも限りませんので、直線以外のケースも見ていきます。

np.random.seed(111)
X = np.random.random(size=(100, 2))
# クラスを2つに分ける
y = (X[:, 1] > 2*(X[:, 0]-0.5)**2 + 0.5).astype(int)
fig, ax = plt.subplots()
ax.scatter(X[y == 0, 0], X[y == 0, 1], marker='x', label='class 0′)
ax.scatter(X[y == 1, 0], X[y == 1, 1], marker='o', label='class 1′)

ax.legend()
plt.show()

↓（出力結果）

このように、一見すると直線では分類できなさそうなデータになりました。

それではこのデータを先程作った関数に当てはめてプロットしてみます。

# プロット
X0, X1 = X[y == 0, :], X[y == 1, :]
y0, y1 = y[y == 0], y[y == 1]

# kernel='rbf'：Radial Basis Function、動径基底関数（距離に基づいて値が決まる関数）を使用
plot_boundar_margin_sv(X0, y0, X1, y1, kernel='rbf', C=1e3, xmin=0, ymin=0)

↓（出力結果）