Ajuste de la regresión logística multiclase
En este ejercicio, ajustará los dos tipos de regresión logística multiclase, uno-vs-resto y softmax/multinomial, en el conjunto de datos de dígitos escritos a mano y comparará los resultados. El conjunto de datos de dígitos manuscritos ya está cargado y dividido en X_train, y_train, X_test, y y_test.
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones de ejercicio
- Ajuste un clasificador de regresión logística uno-vs-resto configurando el parámetro
multi_classe informe de los resultados. - Ajuste un clasificador de regresión logística multinomial configurando el parámetro
multi_classe informe de los resultados.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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))