サポートベクターマシンによる予測モデル構築体験
サポートベクターマシンは、ある変数から別の変数の状態を推定するために考案された人工知能の一つです。
ここでは、「試験得点の良し悪し」を予測するモデルの構築を体験してみます。
(1) 教師データの準備
まずは、知能が知識を獲得するためのデータを集めます。
...と言っても実際に集めるのは大変なので、以下のデータを用意してみました。
Y:試験得点 | X1:お家の勉強[時間] | X2:授業への出席[回] | X3:身長[m] |
---|---|---|---|
good | 9.3 | 9 | 1.56 |
good | 9.2 | 8 | 1.89 |
good | 9.6 | 7 | 1.78 |
good | 9.5 | 6 | 1.68 |
good | 8.4 | 9 | 1.87 |
good | 8.6 | 8 | 1.67 |
good | 8.3 | 7 | 1.56 |
good | 8.6 | 6 | 1.76 |
good | 7.4 | 7 | 1.87 |
good | 7.2 | 7 | 1.34 |
good | 7.9 | 6 | 1.78 |
good | 7.1 | 6 | 1.56 |
good | 6.3 | 9 | 1.49 |
good | 6.4 | 8 | 1.82 |
good | 6.2 | 6 | 1.79 |
good | 6.6 | 8 | 1.68 |
good | 5.9 | 6 | 1.5 |
good | 5.2 | 5 | 1.74 |
good | 5.3 | 4 | 1.51 |
good | 5.1 | 5 | 1.39 |
good | 4.4 | 9 | 1.59 |
good | 4.6 | 6 | 1.8 |
good | 4.8 | 7 | 1.65 |
good | 4.3 | 8 | 1.78 |
good | 3.2 | 7 | 1.46 |
good | 3.4 | 6 | 1.87 |
good | 3.9 | 5 | 1.77 |
good | 2.1 | 4 | 1.44 |
good | 2.4 | 9 | 1.89 |
good | 2.5 | 8 | 1.46 |
bad | 1.3 | 2 | 1.35 |
bad | 1.5 | 4 | 1.58 |
bad | 1.3 | 9 | 1.75 |
bad | 1.6 | 6 | 1.68 |
bad | 2.9 | 8 | 1.45 |
bad | 2.3 | 3 | 1.78 |
bad | 2.4 | 5 | 1.55 |
bad | 2.6 | 1 | 1.68 |
bad | 3.1 | 2 | 1.75 |
bad | 3.9 | 9 | 1.78 |
bad | 3.2 | 6 | 1.55 |
bad | 3.4 | 1 | 1.78 |
bad | 4.5 | 1 | 1.65 |
bad | 4.0 | 8 | 1.68 |
bad | 4.3 | 6 | 1.45 |
bad | 4.4 | 5 | 1.78 |
bad | 5.1 | 3 | 1.35 |
bad | 5.3 | 4 | 1.68 |
bad | 5.4 | 5 | 1.75 |
bad | 5.6 | 6 | 1.98 |
bad | 6.1 | 1 | 1.55 |
bad | 6.2 | 5 | 1.68 |
bad | 6.5 | 2 | 1.45 |
bad | 6.3 | 4 | 1.68 |
bad | 7.4 | 2 | 1.75 |
bad | 7.3 | 3 | 1.88 |
bad | 8.5 | 1 | 1.55 |
bad | 8.6 | 3 | 1.48 |
bad | 9.2 | 2 | 1.85 |
bad | 9.4 | 1 | 1.68 |
(2) パラメータ設定
次に、知能の構造や勉強方針を決定します。