Vizualizace víceřídové logistické regrese
V tomto cvičení se budeme dál zabývat dvěma přístupy k víceřídové logistické regresi, tentokrát na jednoduchém 2D datasetu, který je záměrně navržen tak, aby odhalil slabiny schématu one-vs-rest.
Dataset je načtený do X_train a y_train. Oba objekty logistické regrese, lr_mn a lr_ovr, jsou už vytvořené (s C=100), natrénované a vykreslené.
Všimni si, že lr_ovr nikdy nepredikuje tmavomodrou třídu… to není dobré! Pojďme zjistit, proč k tomu dochází, a podívat se na jeden z binárních klasifikátorů, které model používá v pozadí.
Toto cvičení je součástí kurzu
Linear Classifiers in Python
Pokyny k cvičení
- Vytvoř nový objekt logistické regrese (také s
C=100) určený pro binární klasifikaci. - Vizualizuj tento binární klasifikátor pomocí
plot_classifier… vypadá výsledek rozumně?
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Print training accuracies
print("Softmax training accuracy:", lr_mn.score(X_train, y_train))
print("One-vs-rest training accuracy:", lr_ovr.score(X_train, y_train))
# Create the binary classifier (class 1 vs. rest)
lr_class_1 = ____
lr_class_1.fit(X_train, y_train==1)
# Plot the binary classifier (class 1 vs. rest)
plot_classifier(X_train, y_train==1, ____)