Cambiar los coeficientes del modelo
Cuando llamas a fit con scikit-learn, los coeficientes de la regresión logística se aprenden automáticamente a partir de tu conjunto de datos. En este ejercicio vas a explorar cómo los coeficientes representan la frontera de decisión. Para ello, cambiarás los coeficientes manualmente (en lugar de usar fit) y visualizarás los clasificadores resultantes.
Ya tienes cargado en el entorno un conjunto de datos 2D como X y y, junto con un objeto de clasificador lineal model.
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones del ejercicio
- Asigna distintos valores a los dos coeficientes y al intercepto, y observa las fronteras de decisión resultantes.
- Intenta hacerte una idea de cómo se relacionan los coeficientes con la frontera de decisión.
- Define los coeficientes y el intercepto de forma que el modelo no cometa errores en los datos de entrenamiento dados.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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)