機械学習　ベストプラクティス　Breast Cancer SVMサポートベクタマシン
二値分類 機械学習 シャローラーニングの教科書
ConfusionMatrix（混同行列），ROC曲線，スケーリング，クロスバリデーション，グリッドサーチ，パイプライン

Breast Cancer data setを使い，SVMサポートベクタマシンで二値分類します。Confusion Matrixの解釈，ROCの解釈，スケーリング，クロスバリデーション，グリッドサーチ，パイプラインのベストプラクティスです。

SVMは優秀な分類器ではあるが，特徴量やハイパーパラメータなどの取り扱いに注意が必要です。汎化性能を上げるためには，最高のベストプラクティスを利用すべきである。

Confusion Matrixの座標の取り方やTN, FP, FN, TP の解釈，第1種の誤り（α-error），第2種の誤り（β-error），検出力（1 - β），Recall，Precisionの定義と解釈と演算方法を詳細に紹介します。

ROC AUC（ROC曲線下面積）の描画方法もコードを示します。

パイプラインを使った5x2(5time 2fold)クロスバリデーションのコードも示します。

DataFrame, Series, NumPy ndarray(numpy.array, np.array), Listなどの構造や変換を知りたければ次を参照してください。

https://yamakatsusan.web.fc2.com/NumpyPandasArrayData_inhtml.html
『機械学習　ベストプラクティス　NumPy，Pandas』

https://yamakatsusan.web.fc2.com/NumpyMatrix_in.html
機械学習　ベストプラクティス　線形代数：Numpyの行列演算の教科書』

（2023-11-30 Python3.10.9（CPUマシン）で動作確認済み）

---

実際に動作するJupyter Notebookのhtmlを下に添付します。Jupyter Notebookと下のhtmlを左上隅からダウンロードできます。