Visualizar la regresión logística multiclase
En este ejercicio continuaremos con los dos tipos de regresión logística multiclase, pero sobre un conjunto de datos de juguete en 2D diseñado específicamente para romper el esquema one-vs-rest.
El conjunto de datos está cargado 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 representados.
Fíjate en que lr_ovr nunca predice la clase azul oscuro… ¡vaya! Vamos a explorar por qué ocurre esto dibujando uno de los clasificadores binarios que usa por detrás.
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones del ejercicio
- Crea un nuevo objeto de regresión logística (también con
C=100) para usarlo en clasificación binaria. - Visualiza este clasificador binario con
plot_classifier… ¿tiene buena pinta?
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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, ____)