1. Learn
    2. /
  2. कोर्स
    3. /
  3. Python में Tree-Based Models के साथ Machine Learning
Connected

अभ्यास

Logistic regression बनाम classification tree

एक classification tree फीचर स्पेस को आयताकार क्षेत्रों में बाँटता है. इसके विपरीत, logistic regression जैसा कोई linear मॉडल फीचर स्पेस को दो decision क्षेत्रों में बाँटने के लिए केवल एक linear decision boundary बनाता है.

हमने plot_labeled_decision_regions() नाम का एक कस्टम फंक्शन लिखा है जिसका उपयोग आप दो प्रशिक्षित classifiers वाली सूची के decision क्षेत्रों को प्लॉट करने के लिए कर सकते हैं. इस फंक्शन के बारे में अधिक जानने के लिए आप shell में help(plot_labeled_decision_regions) टाइप कर सकते हैं.

X_train, X_test, y_train, y_test, पहले के एक अभ्यास में आपके द्वारा प्रशिक्षित मॉडल dt, और फंक्शन plot_labeled_decision_regions() आपके workspace में उपलब्ध हैं.

निर्देश

100 XP

  • sklearn.linear_model से LogisticRegression इंपोर्ट करें.

  • एक LogisticRegression मॉडल बनाएँ और उसे logreg में असाइन करें.

  • logreg को training सेट पर फिट करें.

  • plot_labeled_decision_regions() द्वारा जनरेट किए गए प्लॉट की समीक्षा करें.