def crossValidation(X, Y, k, kernel=np.dot):
# answerを正解としてresultの正解率を計算
def accuracyRate(result, answer):
return 1.0 - sum(abs(result - answer)/2) / float(len(result))
n = len(X) # データ点の個数
l = n / k # k分割したデータ点の個数
ac = 0.0 # 正解率の初期化
# k-交差検定を行い正解率を計算
for i in range(k):
# l個の評価ベクトルとそのクラス
testVectors = X[l*i:l*(i+1)]
classForTestVectors = Y[l*i:l*(i+1)]
# n-l個の訓練ベクトルとそのクラス
learningVectors = np.vstack((X[:l*i], X[l*(i+1):]))
classForlearningVectors = np.hstack((Y[:l*i], Y[l*(i+1):]))
# 訓練ベクトルからサポートベクターを計算
svm = SVM(learningVectors, classForlearningVectors, kernel)
# 学習した識別関数で評価ベクトルを識別
result = [svm.discriminate(t) for t in testVectors]
# 評価結果の正解率を算出
ac += accuracyRate(result, classForTestVectors)
# 正解率の平均を返す
return ac / k
