SVM は二つのグループの間に最も広い間隔を空ける境界を見つける分類方法です。RBF カーネルを使うと 直線ではない曲がった境界も描けるので、複雑に絡んだデータも分けられます。 svm_predict(X_train, y_train, X_test) を完成させてください。scikit-learn の RBF カーネル SVM で 学習し、X_test の各行の予測ラベルを配列で返してください。 例 直線では分けられない絡み合った二つのグループも、曲がった境界で分かれます。
scikit-learn の SVM を RBF カーネルで学習し、新しいデータの各行に対する予測ラベルを配列で 返す関数を完成させる問題です。学習用の特徴量とラベル、予測したい新しいデータを受け取り、 学習データだけで学習します。直線では分けられないグループを曲線の境界で分ける、カーネル分類 の基礎を練習します。
SVM は二つのグループの間の隙間が最も広くなる境界を探します。RBF カーネルを使えば直線だけ でなく曲線の境界も描けるので、絡み合ったデータも分けられます。この問題では scikit-learn で RBF カーネル SVM を学習し、形だけそれらしい予測配列をうのみにせず、予測結果を実際の数値で 検証する練習をします。