Beslissingsgrenzen visualiseren

In deze oefening ga je de beslissingsgrenzen van verschillende typen classifiers visualiseren.

Een subset van de ingebouwde wine-gegevensset van scikit-learn is al geladen in X, samen met binaire labels in y.

Deze oefening maakt deel uit van de cursus

Lineaire classificatoren in Python

Cursus bekijken

Oefeninstructies

Maak de volgende classifier-objecten met standaardhyperparameters: LogisticRegression, LinearSVC, SVC, KNeighborsClassifier.
Fit elk van de classifiers op de gegeven data met behulp van een for-lus.
Roep de functie plot_4_classifers() aan (vergelijkbaar met de code hier), en geef X, y en een lijst met de vier classifiers door.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC, LinearSVC
from sklearn.neighbors import KNeighborsClassifier

# Define the classifiers
classifiers = [____]

# Fit the classifiers
for c in ____:
    ____

# Plot the classifiers
plot_4_classifiers(X, y, classifiers)
plt.show()

Code bewerken en uitvoeren