Modifier les coefficients du modèle
Lorsque vous appelez fit avec scikit-learn, les coefficients de la régression logistique sont automatiquement appris à partir de votre jeu de données. Dans cet exercice, vous allez explorer comment la frontière de décision est représentée par les coefficients. Pour ce faire, vous allez modifier les coefficients manuellement (plutôt qu'avec fit) et visualiser les classifieurs obtenus.
Un jeu de données 2D est déjà chargé dans l'environnement sous les noms X et y, ainsi qu'un objet classifieur linéaire model.
Cette activité fait partie du cours
Classificateurs linéaires en Python
Instructions de l’exercice
- Attribuez différentes valeurs aux deux coefficients et à l'ordonnée à l'origine (intercept), puis observez les frontières de décision obtenues.
- Essayez de développer votre intuition sur le lien entre les coefficients et la frontière de décision.
- Réglez les coefficients et l'ordonnée à l'origine de façon que le modèle ne commette aucune erreur sur les données d'entraînement fournies.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)