Entscheidungsgrenzen visualisieren
In dieser Übung visualisierst du die Entscheidungsgrenzen verschiedener Klassifikatortypen.
Ein Teilmenge des eingebauten wine-Datensatzes von scikit-learn ist bereits in X geladen, dazu passende binäre Labels in y.
Diese Übung ist Teil des Kurses
<Kurs>Lineare Klassifikatoren in Python</Kurs>Übungsanweisungen
- Erstelle die folgenden Klassifikator-Objekte mit Standard-Hyperparametern:
LogisticRegression,LinearSVC,SVC,KNeighborsClassifier. - Trainiere jeden der Klassifikatoren auf den bereitgestellten Daten mit einer
for-Schleife. - Rufe die Funktion
plot_4_classifers()auf (ähnlich wie im Code hier) und übergibX,ysowie eine Liste mit den vier Klassifikatoren.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC, LinearSVC
from sklearn.neighbors import KNeighborsClassifier
# Define the classifiers
classifiers = [____]
# Fit the classifiers
for c in ____:
____
# Plot the classifiers
plot_4_classifiers(X, y, classifiers)
plt.show()