تنظیم SVM با کرنل شعاعی

تابع svm_grid(seed) روی داده‌ی سرطان سینه (load_breast_cancer):

1. داده را با train_test_split(..., random_state=seed) تقسیم می‌کند،
2. یک زنجیره از استاندارد کردن و SVM می‌سازد، تا استاندارد کردن درون هر بخش اعتبارسنجی از نو انجام شود:

model = make_pipeline(StandardScaler(), SVC(kernel="rbf"))
grid = GridSearchCV(model, {"svc__C": [0.1, 1, 10, 100], "svc__gamma": [0.001, 0.01, 0.1, 1]}, cv=5)

1. grid را روی داده‌ی آموزش برازش می‌دهد،
2. و آرایه‌ای چهارتایی برمی‌گرداند: C بهترین، gamma بهترین، بهترین امتیاز اعتبارسنجی متقاطع (best_score_)، و دقت روی داده‌ی آزمون.