Die Modellkoeffizienten ändern
Wenn du fit mit scikit-learn aufrufst, werden die Koeffizienten der logistischen Regression automatisch aus deinem Datensatz gelernt. In dieser Übung untersuchst du, wie die Entscheidungsgrenze durch die Koeffizienten dargestellt wird. Dafür änderst du die Koeffizienten manuell (statt mit fit) und visualisierst die resultierenden Klassifikatoren.
Ein 2D-Datensatz ist bereits als X und y in die Umgebung geladen, zusammen mit einem linearen Klassifikatorobjekt model.
Diese Übung ist Teil des Kurses
<Kurs>Lineare Klassifikatoren in Python</Kurs>Übungsanweisungen
- Setze die beiden Koeffizienten und den Achsenabschnitt auf verschiedene Werte und beobachte die resultierenden Entscheidungsgrenzen.
- Versuche ein Gefühl dafür zu bekommen, wie die Koeffizienten mit der Entscheidungsgrenze zusammenhängen.
- Setze die Koeffizienten und den Achsenabschnitt so, dass das Modell auf den gegebenen Trainingsdaten keine Fehler macht.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Set the coefficients
model.coef_ = np.array([[0,1]])
model.intercept_ = np.array([0])
# Plot the data and decision boundary
plot_classifier(X,y,model)
# Print the number of errors
num_err = np.sum(y != model.predict(X))
print("Number of errors:", num_err)