Ajustar regresión logística multiclase
En este ejercicio, vas a ajustar los dos tipos de regresión logística multiclase, one-vs-rest y softmax/multinomial, sobre el conjunto de datos de dígitos escritos a mano y comparar los resultados. El conjunto de datos de dígitos 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 del ejercicio
- Ajusta un clasificador de regresión logística one-vs-rest estableciendo el parámetro
multi_classe informa de los resultados. - Ajusta un clasificador de regresión logística multinomial estableciendo el parámetro
multi_classe informa de los resultados.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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))