SVM 은 두 무리 사이에 가장 넓은 간격을 두는 경계를 찾는 분류 방법이에요. RBF 커널을 쓰면 직선이 아닌 굽은 경계도 그릴 수 있어서, 복잡하게 얽힌 데이터도 가를 수 있어요. svm_predict(X_train, y_train, X_test) 를 완성하세요. scikit-learn 의 RBF 커널 SVM 으로 학습해서, X_test 각 행의 예측 라벨을 배열로 돌려주세요. 예시 얽혀 있어 직선으로는 못 가르는 두 무리도 굽은 경계로 나뉩니다.
scikit-learn SVM 을 RBF 커널로 학습해, 새 데이터의 각 행에 대한 예측 라벨을 배열로 돌려주는 함수를 완성하는 문제입니다. 학습 특징과 라벨, 예측할 새 데이터를 받아 학습 데이터로만 학습합니다. 직선으로는 못 가르는 그룹을 곡선 경계로 나누는 커널 분류의 기본기를 연습합니다.
SVM 은 두 그룹 사이 간격이 가장 넓어지는 경계를 찾고, RBF 커널을 쓰면 직선뿐 아니라 곡선 경계도 그릴 수 있어 뒤엉킨 데이터를 가를 수 있습니다. 이 문제는 scikit-learn 으로 RBF SVM 을 학습하고, 모양만 그럴듯한 예측 배열을 믿기보다 예측 결과를 실제 숫자로 검증하는 연습을 합니다.