Ajuster une régression logistique multi-classe

Dans cet exercice, vous allez ajuster les deux types de régression logistique multi-classe, one-vs-rest et softmax/multinomiale, sur le jeu de données de chiffres manuscrits et comparer les résultats. Le jeu de données de chiffres manuscrits est déjà chargé et scindé en X_train, y_train, X_test et y_test.

Cet exercice fait partie du cours

Classifieurs linéaires en Python

Afficher le cours

Instructions

Ajustez un classificateur de régression logistique one-vs-rest en définissant le paramètre multi_class, puis indiquez les résultats.
Ajustez un classificateur de régression logistique multinomiale en définissant le paramètre multi_class, puis indiquez les résultats.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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