Mengubah koefisien model
Saat Anda memanggil fit dengan scikit-learn, koefisien logistic regression akan dipelajari secara otomatis dari himpunan data Anda. Dalam latihan ini, Anda akan mengeksplorasi bagaimana batas keputusan direpresentasikan oleh koefisien. Untuk melakukannya, Anda akan mengubah koefisien secara manual (alih-alih dengan fit), dan memvisualisasikan classifier yang dihasilkan.
Himpunan data 2D sudah dimuat ke dalam environment sebagai X dan y, bersama dengan objek linear classifier model.
Latihan ini adalah bagian dari kursus
Klasifikator Linear di Python
Petunjuk latihan
- Atur dua koefisien dan intercept ke berbagai nilai dan amati batas keputusan yang dihasilkan.
- Cobalah membangun pemahaman tentang bagaimana koefisien berkaitan dengan batas keputusan.
- Atur koefisien dan intercept sedemikian rupa sehingga model tidak membuat kesalahan pada data latih yang diberikan.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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)