Visualización de la regresión logística multiclase
En este ejercicio continuaremos con los dos tipos de regresión logística multiclase, pero en un conjunto de datos 2D de juguete diseñado específicamente para romper el esquema de uno contra el resto.
El conjunto de datos se carga en X_train y y_train. Los dos objetos de regresión logística,lr_mn y lr_ovr, ya están instanciados (con C=100), ajustados y trazados.
Observe que lr_ovr nunca predice la clase azul oscuro… ¡vaya! Exploremos por qué ocurre esto trazando uno de los clasificadores binarios que utiliza entre bastidores.
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones de ejercicio
- Crea un nuevo objeto de regresión logística (también con
C=100) que se utilizará para la clasificación binaria. - Visualice este clasificador binario con
plot_classifier… ¿parece razonable?
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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, ____)