Modifier les coefficients du modèle
Quand vous appelez fit avec scikit-learn, les coefficients de la régression logistique sont appris automatiquement à partir de votre jeu de données. Dans cet exercice, vous allez explorer comment la frontière de décision est représentée par les coefficients. Pour cela, vous modifierez les coefficients manuellement (plutôt qu’avec fit) et visualiserez 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.
Cet exercice fait partie du cours
Classifieurs linéaires en Python
Instructions
- Réglez les deux coefficients et l’ordonnée à l’origine sur différentes valeurs et observez les frontières de décision obtenues.
- Essayez de développer une intuition sur le lien entre les coefficients et la frontière de décision.
- Fixez les coefficients et l’ordonnée à l’origine de sorte que le modèle ne commette aucune erreur sur les données d’entraînement fournies.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)