Multiclass logistic regression visualiseren
In deze oefening gaan we verder met de twee soorten multiclass logistic regression, maar dan op een 2D-speelgoedgegevensset die speciaal is ontworpen om het one-vs-rest-schema te breken.
De gegevensset is geladen in X_train en y_train. De twee logistic regression-objecten, lr_mn en lr_ovr, zijn al geïnstantieerd (met C=100), getraind en geplot.
Let op dat lr_ovr nooit de donkerblauwe klasse voorspelt… oei! Laten we onderzoeken waarom dit gebeurt door een van de binaire classifiers te plotten die achter de schermen worden gebruikt.
Deze oefening maakt deel uit van de cursus
Lineaire classificatoren in Python
Oefeninstructies
- Maak een nieuw logistic regression-object (ook met
C=100) voor binaire classificatie. - Visualiseer deze binaire classifier met
plot_classifier… ziet dit er redelijk uit?
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Print training accuracies
print("Softmax training accuracy:", lr_mn.score(X_train, y_train))
print("One-vs-rest training accuracy:", lr_ovr.score(X_train, y_train))
# Create the binary classifier (class 1 vs. rest)
lr_class_1 = ____
lr_class_1.fit(X_train, y_train==1)
# Plot the binary classifier (class 1 vs. rest)
plot_classifier(X_train, y_train==1, ____)