Ajuster une régression logistique multiclasse

Dans cet exercice, vous allez ajuster les deux types de régression logistique multiclasse — un-contre-le-reste et softmax/multinomiale — sur l'ensemble de données de chiffres manuscrits, puis comparer les résultats. L'ensemble de chiffres manuscrits est déjà chargé et scindé en X_train, y_train, X_test et y_test.

Cette activité fait partie du cours

Classificateurs linéaires en Python

Voir le cours

Instructions de l’exercice

Ajustez un classificateur de régression logistique un-contre-le-reste en définissant le paramètre multi_class, puis présentez les résultats.
Ajustez un classificateur de régression logistique multinomiale en définissant le paramètre multi_class, puis présentez les résultats.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))

Modifier et exécuter le code