Modificare i coefficienti del modello
Quando chiami fit con scikit-learn, i coefficienti della logistic regression vengono appresi automaticamente dal tuo insieme di dati. In questo esercizio esplorerai come il confine decisionale è rappresentato dai coefficienti. Per farlo, modificherai manualmente i coefficienti (invece di usare fit) e visualizzerai i classificatori risultanti.
Un insieme di dati 2D è già caricato nell'ambiente come X e y, insieme a un oggetto classificatore lineare model.
Questo esercizio fa parte del corso
Classificatori lineari in Python
Istruzioni dell'esercizio
- Imposta i due coefficienti e l'intercetta su vari valori e osserva i confini decisionali risultanti.
- Cerca di costruirti un'intuizione su come i coefficienti si collegano al confine decisionale.
- Imposta coefficienti e intercetta in modo che il modello non commetta errori sui dati di training forniti.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)