Logistic Regression と分類木の比較

分類木は、特徴量空間を長方形の領域に分割します。対照的に、ロジスティック回帰のような線形モデルは、特徴量空間を2つの判別領域に分ける単一の線形な決定境界しか作りません。

2つの学習済み分類器を含むリストの決定領域をプロットできる、plot_labeled_decision_regions() というカスタム関数を用意しています。この関数の詳細は、シェルで help(plot_labeled_decision_regions) と入力して確認できます。

X_train、X_test、y_train、y_test、以前の演習で学習したモデル dt、そして関数 plot_labeled_decision_regions() は、すべて作業スペースに用意されています。