scikit-learnを用いたSVMのテストコードについて

Question

pythonのscikit-learnを用いてサポートベクターマシンを動かしてみようと思い以下のようなコードでテストしてみました。

from sklearn import svm
X = [[0, 0, 0], [1, 1, 1],[1, 0, 0],[0, 1, 0],[1, 0, 0], [1, 0, 1],[1, 1, 0],[1, 0, 1],[1, 0, 0], [0, 0, 1],[0, 1, 0],[1, 0, 1],[1, 0, 0], [1, 0, 1],[1, 1, 1]]
y = [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1]
clf = svm.SVC()
clf.fit(X, y) 
print(clf.predict([[1, 1, 1]]))

ところが、このプログラムの結果は0になってしまいました。
これはプログラミングのテストコードの書き方が悪かったのか、SVMの精度的にこの程度ではダメなのかがわかりませんので教えていただきたく質問いたしました。
個人的には直接[1,1,1]は1だと二度学習しているのでなぜこれで0なのか疑問に思います。

Answer 1

svm.SVCのデフォルト設定は
kernel='rbf'
C=1.0
となっています。kernelとしてrbfを使うのであれば、まずはCの値を１より大きめに設定して学習させてみればよいでしょう。
また線形カーネルを指定すれば（ kernel='linear'）C=1.0でも正しく分類できるはずです。
（線形分離できることはデータを可視化してみれば明らかですね。）

kernelやパラメータのCが何を意味しているのかわからないようならば、まずはSVMの基礎理論を習得されるのがよいでしょう。そうすればなぜ上記のような結果になるのか、何がよくなかったのか、自分で解決できるようになるはずです。

Answer 2

SVMについて詳しいわけではないのですが、

y = [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1] # ---①

を

y = [0, 1, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1]   # ---②

に変えると
[1]
が返って来ます。

推測でしかないのですが、学習させるyが極端なのではないかと。

①では１５回中１３回も「0」を学習させているので
ほぼ何が来ても「[0]を返しておけばいいや」と言う学習をする事になる。
なので、[1, 1, 1]をpredictしても
[0]
と答えてしまうのではないでしょうか？

②では15回中5回「1」を学習させているので、
それなりに[0]と[1]を判断しやすくなり、
[1, 1, 1]をpredictした時にそれにマッチした
[1]
が出力されるのではないでしょうか？

なので、間違いではなく正常な動きだと思います。