Modificación de los coeficientes del modelo
Cuando se llama a fit con scikit-learn, los coeficientes de regresión logística se aprenden automáticamente a partir del conjunto de datos. En este ejercicio explorarás cómo la frontera de decisión está representada por los coeficientes. Para ello, cambiará los coeficientes manualmente (en lugar de con fit), y visualizará los clasificadores resultantes.
Un conjunto de datos 2D ya está cargado en el entorno como X y y, junto con un objeto clasificador lineal model.
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones de ejercicio
- Ajuste los dos coeficientes y el intercepto a varios valores y observe los límites de decisión resultantes.
- Intente hacerse una idea de cómo se relacionan los coeficientes con el límite de decisión.
- Establece los coeficientes y el intercepto de forma que el modelo no cometa errores en los datos de entrenamiento dados.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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)