import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.datasets import make_blobs
from sklearn.metrics import classification_report, accuracy_score

# 50個の分類されるデータを作成 make_blobsは機械学習のアルゴリズムを学習する際のデータセット
X, y = make_blobs(n_samples=50, centers=2, random_state=6)

# 分類 モデルの調整　
clf = svm.SVC(kernel='linear', C=1000)

#学習
clf.fit(X, y)

test_pred = clf.predict(X)  #予測
print("切片",clf.intercept_)
print("係数",clf.coef_) 
print (classification_report(y, test_pred))

plt.scatter(X[:, 0], X[:, 1,], c=y, s=50, cmap=plt.cm.Paired)

# 決定関数のプロット
ax = plt.gca()
xlim = ax.get_xlim()
ylim = ax.get_ylim()

# モデル評価のためのグリッド作成
xx = np.linspace(xlim[0], xlim[1], 30)
yy = np.linspace(ylim[0], ylim[1], 30)
YY, XX = np.meshgrid(yy, xx)
xy = np.vstack([XX.ravel(), YY.ravel()]).T
Z = clf.decision_function(xy).reshape(XX.shape)

# 決定境界とマージンをプロット
ax.contour(XX, YY, Z, colors='k', levels=[-1, 0, 1], alpha=0.5,
           linestyles=['--', '-', '--'])

# サポートベクターのプロット
ax.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=150,
           linewidth=1, facecolors='none', edgecolors='k')
plt.xlabel('x')
plt.ylabel('y')
plt.show()