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
<Kurs>Lineare Klassifikatoren in Python</Kurs>Übungsanweisungen
- 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 praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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, ____)