Adattare la regressione logistica multiclasse
In questo esercizio adatterai i due tipi di regressione logistica multiclasse, one-vs-rest e softmax/multinomial, sul dataset delle cifre scritte a mano e confronterai i risultati. Il dataset delle cifre scritte a mano è già caricato e suddiviso in X_train, y_train, X_test e y_test.
Questo esercizio fa parte del corso
Classificatori lineari in Python
Istruzioni dell'esercizio
- Adatta un classificatore di regressione logistica one-vs-rest impostando il parametro
multi_classe riporta i risultati. - Adatta un classificatore di regressione logistica multinomiale impostando il parametro
multi_classe riporta i risultati.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))