Visualizzare la regressione logistica multiclasse
In questo esercizio continueremo con i due tipi di regressione logistica multiclasse, ma su un insieme di dati 2D giocattolo progettato apposta per mandare in crisi lo schema one-vs-rest.
L'insieme di dati è caricato in X_train e y_train. I due oggetti di regressione logistica, lr_mn e lr_ovr, sono già istanziati (con C=100), addestrati e tracciati.
Nota che lr_ovr non predice mai la classe blu scuro… ops! Esploriamo perché succede, tracciando uno dei classificatori binari che usa dietro le quinte.
Questo esercizio fa parte del corso
Classificatori lineari in Python
Istruzioni dell'esercizio
- Crea un nuovo oggetto di regressione logistica (sempre con
C=100) da usare per la classificazione binaria. - Visualizza questo classificatore binario con
plot_classifier… ti sembra ragionevole?
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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, ____)