質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.33%

複数データの散布図においてSVMを利用

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 979

score 10

実現したいこと

4次元データ(iris_learn2)を2次元データ×6にわけ、プロットしました。
その2次元データを用いてSVMをして決定境界を可視化したいと思ってます。
それぞれのグラフ6つ全てにSVMを利用するのはできないのでしょうか。

データ

SepalLength  SepalWidth  PetalLength  PetalWidth             Name
0          7.0         3.2          4.7         1.4  Iris-versicolor
1          6.4         3.2          4.5         1.5  Iris-versicolor
2          6.9         3.1          4.9         1.5  Iris-versicolor
3          5.5         2.3          4.0         1.3  Iris-versicolor
4          6.5         2.8          4.6         1.5  Iris-versicolor
5          6.3         3.3          6.0         2.5   Iris-virginica
6          5.8         2.7          5.1         1.9   Iris-virginica
7          7.1         3.0          5.9         2.1   Iris-virginica
8          6.3         2.9          5.6         1.8   Iris-virginica
9          6.5         3.0          5.8         2.2   Iris-virginica

テキストエディタのデータ

SepalLength,SepalWidth,PetalLength,PetalWidth,Name
7,3.2,4.7,1.4,Iris-versicolor
6.4,3.2,4.5,1.5,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
5.5,2.3,4,1.3,Iris-versicolor
6.5,2.8,4.6,1.5,Iris-versicolor
6.3,3.3,6,2.5,Iris-virginica
5.8,2.7,5.1,1.9,Iris-virginica
7.1,3,5.9,2.1,Iris-virginica
6.3,2.9,5.6,1.8,Iris-virginica
6.5,3,5.8,2.2,Iris-virginica

コード

import pandas as pd
import matplotlib.pyplot as plt
import itertools
from sklearn.svm import LinearSVC
from sklearn.svm import SVC
import mglearn
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from IPython.display import display

def main():
    iris = pd.read_csv("iris_learn2.csv")
    print(iris)
    plt.figure(figsize=(12, 8))

    for i, (x, y) in enumerate(itertools.combinations(range(4), 2)):
        plt.subplot(2, 3, i + 1)

        for (name, d), marker, c in zip(iris.groupby('Name'), '>ox', 'rgb'):
            plt.scatter(
                d.iloc[:, x],
                d.iloc[:, y],
                marker=marker,
                c=c
            )

        linear_svm = LinearSVC().fit(x, y)
        mglearn.plots.plot_2d_separator(linear_svm, x)
        mglearn.discrete_scatter(X[:, 0], X[:, 1], y)

        plt.xlabel(iris.columns[x])
        plt.ylabel(iris.columns[y])
        plt.autoscale()
        plt.grid()


    plt.tight_layout()
    plt.show()

if __name__ == '__main__':
    main()

発生している問題・エラーメッセージ

ValueError                                Traceback (most recent call last)
<ipython-input-30-78b8e7553d68> in <module>
     38 
     39 if __name__ == '__main__':
---> 40     main()

<ipython-input-30-78b8e7553d68> in main()
     25                 c=c
     26             )
---> 27         linear_svm = LinearSVC().fit(x, y)
     28         mglearn.plots.plot_2d_separator(linear_svm, x)
     29         mglearn.discrete_scatter(X[:, 0], X[:, 1], y)

C:\ProgramData\Anaconda3\lib\site-packages\sklearn\svm\classes.py in fit(self, X, y, sample_weight)
    227         X, y = check_X_y(X, y, accept_sparse='csr',
    228                          dtype=np.float64, order="C",
--> 229                          accept_large_sparse=False)
    230         check_classification_targets(y)
    231         self.classes_ = np.unique(y)

C:\ProgramData\Anaconda3\lib\site-packages\sklearn\utils\validation.py in check_X_y(X, y, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, warn_on_dtype, estimator)
    754                     ensure_min_features=ensure_min_features,
    755                     warn_on_dtype=warn_on_dtype,
--> 756                     estimator=estimator)
    757     if multi_output:
    758         y = check_array(y, 'csr', force_all_finite=True, ensure_2d=False,

C:\ProgramData\Anaconda3\lib\site-packages\sklearn\utils\validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    543                     "Reshape your data either using array.reshape(-1, 1) if "
    544                     "your data has a single feature or array.reshape(1, -1) "
--> 545                     "if it contains a single sample.".format(array))
    546             # If input is 1D raise error
    547             if array.ndim == 1:

ValueError: Expected 2D array, got scalar array instead:
array=0.0.
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

試したこと

linear_svm = LinearSVC().fit(x, y)
mglearn.plots.plot_2d_separator(linear_svm, x)
mglearn.discrete_scatter(X[:, 0], X[:, 1], y)
上記のコードを付け加えたところエラーがおきました。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • hayataka2049

    2020/01/17 13:36

    質問を編集して、コードは<code>ボタンで挿入できるコードブロック内に入れるようにしてください。

    ```python
    コード
    ```

    のようにすれば適切に表示されます。
    また、エラーメッセージもこのままでは見づらいので同様にしてください。

    キャンセル

  • k2r

    2020/01/17 13:41

    ありがとうございます。訂正させていただきます。

    キャンセル

回答 1

checkベストアンサー

0

xとyは

    for i, (x, y) in enumerate(itertools.combinations(range(4), 2)):

で作られたxとyですから、単なる整数値です。そもそも学習データではないのでfitメソッドに渡しても結果は得られません。

やりたいことはいまいちよくわかりませんが、こんな感じかな。

        # そもそもコード内でXを定義していないのに動くのが問題。
        # ipythonなので以前に定義されたXがそのまま残っている可能性がある
        X = iris.iloc[:, [x, y]].values

        # 上でループ用の変数名をyにしてしまったので、かぶらない名前にしないといけない
        # 教師ラベルをどう取るのかわかりませんが、(n_samples, )のshapeになるものを取ってください
        target = # なにか

        linear_svm = LinearSVC().fit(X, target)
        mglearn.plots.plot_2d_separator(linear_svm, X)
        mglearn.discrete_scatter(X[:, 0], X[:, 1], target)

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/01/17 20:02

    同じエラーは再現できませんでしたが、
    TypeError: '(slice(None, None, None), 0)' is an invalid key
    のエラーメッセージの全文をコメントに貼ってみてください(tracebackから)。

    キャンセル

  • 2020/01/17 20:03 編集

    私の回答に一箇所ミスがあったので修正しました(XがDataFrameのままではスライスが適当に動作しないのでnumpy配列に変換)。こちらで動作すればエラーの提示は不要です。

    キャンセル

  • 2020/01/17 20:10

    正常に動作することができました!
    大変長らくありがとうございました。深く感謝申し上げます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.33%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る