記事の主旨

「SVMで多クラス分類がしたい。__手持ちのデータ__を手軽に分類したい」
そんな人のための学習リソースを集めた記事です。

既存のライブラリ（scikit-learnとLIBSVM）を使って、ちゃちゃっと分類しちゃいましょう。

事前知識

SVMによる多クラス分類には、代表的な２種類の手法があります。

今回はこれらを２つの手法を扱ったライブラリを使います。
詳しくは、以下の記事が参考になります。

参考サイト:
　・SVMを使いこなす！ - 多クラス分類

付属データセットを用いた事例:
　・OvOとOvRによる手書き文字の分類
　・Jupyter Notebookを用いた手書き文字の分類

公式リファレンス:
　・sklearn.multiclass.OneVsOneClassifier(OvO)
　・sklearn.multiclass.OneVsRestClassifier(OvR)

・LIBSVMライブラリのダウンロード＆インストール方法
　（makeコマンドでインストールするところまで）
・LIBSVM - Github

簡単なテストデータを用いた事例:
　・SVM図解 + LIBSVM実装の手順とその解説

公式情報(英語):
　・公式サイト
　・公式FAQ
公式情報の日本語訳
　・[設定パラメータ表（日本語）]
(http://hy-adversaria.blogspot.jp/2011/04/pythonlibsvm.html)
　・公式FAQの日本語訳（一部）

主成分分析(PCA)の第一主成分(PC1)と第二主成分(PC2)による超平面上に、線形SVMを描画しました。
PC1とPC2の寄与率が高い場合は、この図で色々と直感的な説明ができます。

参考サイト:
　・Multilabel classification（公式）
　・Intro to scikit-learn の Multilabel classification

多数の特徴量で構成した数式モデルを、パス図として描画しました。
視覚的にモデル式を説明したい時に使えます。

参考サイト:
　・LIBSVMの学習モデルを用いた特徴量の重み計算スクリプト
　　（学習モデルの取得方法はここに載ってます）
　・パス図描画ライブラリ「graphviz」- Examples