시작하기무료로 시작하기

로지스틱 회귀 vs 분류 트리

분류 트리는 특성 공간을 직사각형 영역으로 나눕니다. 반면, 로지스틱 회귀 같은 선형 모델은 특성 공간을 두 개의 결정 영역으로 나누는 단 하나의 선형 결정 경계만을 만듭니다.

두 개의 학습된 분류기가 들어 있는 리스트를 받아, 각 분류기의 결정 영역을 그려주는 plot_labeled_decision_regions()라는 사용자 정의 함수를 준비해 두었습니다. 이 함수에 대해 더 알아보려면 셸에서 help(plot_labeled_decision_regions)를 입력하세요.

X_train, X_test, y_train, y_test, 이전 연습 문제에서 학습한 모델 dt, 그리고 함수 plot_labeled_decision_regions()가 작업 공간에 준비되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 배우는 트리 기반 Machine Learning

강의 보기

연습 안내

  • sklearn.linear_model에서 LogisticRegression을 임포트하세요.

  • LogisticRegression 모델을 인스턴스화하여 logreg에 할당하세요.

  • 학습 세트에 logreg을(를) 학습(fit)하세요.

  • plot_labeled_decision_regions()가 생성한 그래프를 확인하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import LogisticRegression from sklearn.linear_model
from ____.____ import  ____

# Instatiate logreg
____ = ____(random_state=1)

# Fit logreg to the training set
____.____(____, ____)

# Define a list called clfs containing the two classifiers logreg and dt
clfs = [logreg, dt]

# Review the decision regions of the two classifiers
plot_labeled_decision_regions(X_test, y_test, clfs)
코드 편집 및 실행