Mehrklassige logistische Regression visualisieren
In dieser Übung arbeiten wir weiter mit den zwei Varianten der mehrklassigen logistischen Regression, diesmal auf einem einfachen 2D-Datensatz, der speziell dafür entworfen wurde, das One-vs-Rest-Schema aus dem Tritt zu bringen.
Der Datensatz ist in X_train und y_train geladen. Die beiden Logistic-Regression-Objekte lr_mn und lr_ovr sind bereits erstellt (mit C=100), trainiert und gezeichnet.
Achte darauf: lr_ovr sagt nie die dunkelblaue Klasse vorher … oha! Lass uns untersuchen, warum das passiert, indem wir einen der binären Klassifizierer plotten, die im Hintergrund verwendet werden.
Diese Übung ist Teil des Kurses
Lineare Klassifikatoren in Python
Anleitung zur Übung
- Erstelle ein neues Logistic-Regression-Objekt (ebenfalls mit
C=100) für die binäre Klassifikation. - Visualisiere diesen binären Klassifizierer mit
plot_classifier… sieht das plausibel aus?
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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, ____)