Visualiser la régression logistique multiclasse
Dans cet exercice, nous poursuivons avec les deux variantes de régression logistique multiclasse, mais sur un jeu de données jouet 2D spécialement conçu pour mettre en défaut l'approche un-contre-le-reste.
Le jeu de données est chargé dans X_train et y_train. Les deux objets de régression logistique, lr_mn et lr_ovr, sont déjà instanciés (avec C=100), ajustés et tracés.
Remarquez que lr_ovr ne prédit jamais la classe bleu foncé… ouf! Explorons pourquoi en traçant l'un des classificateurs binaires qu'il utilise en arrière-plan.
Cette activité fait partie du cours
Classificateurs linéaires en Python
Instructions de l’exercice
- Créez un nouvel objet de régression logistique (également avec
C=100) à utiliser pour la classification binaire. - Visualisez ce classificateur binaire avec
plot_classifier… est-ce que le résultat semble raisonnable?
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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, ____)