Mehrklassen-Logistische Regression anpassen

In dieser Übung passt du die beiden Varianten der Mehrklassen-Logistischen Regression – One-vs-Rest und Softmax/Multinomial – auf den Datensatz handgeschriebener Ziffern an und vergleichst die Ergebnisse. Der Datensatz mit handgeschriebenen Ziffern ist bereits geladen und in X_train, y_train, X_test und y_test aufgeteilt.

Diese Übung ist Teil des Kurses

Lineare Klassifikatoren in Python

Kurs anzeigen

Anleitung zur Übung

Passe einen One-vs-Rest-Logistic-Regression-Klassifikator an, indem du den Parameter multi_class setzt, und gib die Ergebnisse aus.
Passe einen multinomialen Logistic-Regression-Klassifikator an, indem du den Parameter multi_class setzt, und gib die Ergebnisse aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Fit one-vs-rest logistic regression classifier
lr_ovr = ____
lr_ovr.fit(X_train, y_train)

print("OVR training accuracy:", lr_ovr.score(X_train, y_train))
print("OVR test accuracy    :", lr_ovr.score(X_test, y_test))

# Fit softmax classifier
lr_mn = ____
lr_mn.fit(X_train, y_train)

print("Softmax training accuracy:", lr_mn.score(X_train, y_train))
print("Softmax test accuracy    :", lr_mn.score(X_test, y_test))

Code bearbeiten und ausführen