monday todo

monday todo

Monday todo:

Get support vectors and cul the minimum margin of them. Margin larger => better border
```
from sklearn import svm

X = [[0, 0], [1, 1]]
y = [0, 1]

clf = svm.SVC(kernel='linear')
clf.fit(X, y)
clf.support_vectors_
```
サポートベクター群の、境界関数を通した出力値を算出しその絶対値の最小値を取得。

import numpy as np
from matplotlib import lines
from matplotlib import mlab
from matplotlib import pyplot as plt
from scipy import stats

def defomation(w, b, x):
return (-(b[0] + w[0][0] * x) / w[0][1])[0]

def getfig(aminos, data1, data2):
fig = plt.figure()
# プロット領域（1x1分割の1番目に領域を配置せよという意味）
ax = fig.add_subplot(111)
# 散布図
sc = ax.scatter(data1, data2, s=25, marker='x', color='b')
# 単回帰直線
func = lambda x: defomation(w, b, x)
line = lines.Line2D([0, 1], [func(0), func(1)], color='r')
ax.add_line(line)
# X, Y方向の表示範囲
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
# タイトル
ax.set_title('Protein Separation by Aminos', size=16)
ax.set_xlabel(aminos[0], size=14)
ax.set_ylabel(aminos[1], size=14)
# 凡例
ax.legend((sc,), ('2nd Test',), scatterpoints=1, loc='upper left', fontsize=10)
# グリッド表示
ax.grid(True)
return plt
#plt.show()

data1 = [0.3, 0.2, 0.3, 0.4, .5]
data2 = [.1, .2, .4, .8, .16]
w = np.array([[1, 1]])
b = np.array([[-0.3]])

plt = getfig("AE", data1, data2)