Multi-class logistic regression fitten

In deze oefening fit je twee soorten multi-class logistic regression — one-vs-rest en softmax/multinomiaal — op de handgeschreven-cijfers-gegevensset en vergelijk je de resultaten. De gegevensset met handgeschreven cijfers is al geladen en opgesplitst in X_train, y_train, X_test en y_test.

Deze oefening maakt deel uit van de cursus

Lineaire classificatoren in Python

Cursus bekijken

Oefeninstructies

Fit een one-vs-rest logistic regression-classifier door de parameter multi_class in te stellen en rapporteer de resultaten.
Fit een multinomiale logistic regression-classifier door de parameter multi_class in te stellen en rapporteer de resultaten.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Fit one-vs-rest logistic regression classifier
lr_ovr = ____
lr_ovr.fit(X_train, y_train)

print("OVR training accuracy:", lr_ovr.score(X_train, y_train))
print("OVR test accuracy    :", lr_ovr.score(X_test, y_test))

# Fit softmax classifier
lr_mn = ____
lr_mn.fit(X_train, y_train)

print("Softmax training accuracy:", lr_mn.score(X_train, y_train))
print("Softmax test accuracy    :", lr_mn.score(X_test, y_test))

Code bewerken en uitvoeren