मल्टी-क्लास logistic regression का विज़ुअलाइज़ेशन
इस अभ्यास में हम मल्टी-क्लास logistic regression के दोनों प्रकारों के साथ आगे बढ़ेंगे, लेकिन एक खिलौना 2D डेटासेट पर जो खास तौर पर one-vs-rest स्कीम को तोड़ने के लिए बनाया गया है.
डेटासेट X_train और y_train में लोड है. दो logistic regression ऑब्जेक्ट, lr_mn और lr_ovr, पहले से ही इंस्टैंशिएट किए गए हैं (C=100 के साथ), फिट किए गए हैं, और प्लॉट भी हो चुके हैं.
ध्यान दें कि lr_ovr कभी भी डार्क ब्लू क्लास की भविष्यवाणी नहीं करता… ओह! आइए देखते हैं ऐसा क्यों हो रहा है, इसके लिए हम उन बाइनरी क्लासिफायर्स में से एक को प्लॉट करेंगे जिनका यह अंदरूनी तौर पर इस्तेमाल करता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Linear Classifiers
अभ्यास निर्देश
- बाइनरी क्लासिफिकेशन के लिए इस्तेमाल करने हेतु एक नया logistic regression ऑब्जेक्ट बनाएँ (यहाँ भी
C=100). - इस बाइनरी क्लासिफायर को
plot_classifierसे विज़ुअलाइज़ करें… क्या यह तर्कसंगत दिखता है?
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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, ____)