Einführung
In diesem Lab verwenden wir scikit-learn, um einen zweiklassigen separablen Datensatz zu erstellen und die maximale Margin trennende Hyperebene mit einem Support Vector Machine (SVM)-Classifier mit linearer Kernel zu visualisieren. SVM ist ein leistungsstarkes Klassifikationsverfahren, das die beste Grenze oder Hyperebene sucht, die die Daten in verschiedene Klassen trennt, während die Margin zwischen den Klassen maximiert wird.
VM-Tipps
Nachdem die VM gestartet ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback ab, und wir werden das Problem für Sie prompt beheben.