Wizualizacja granic decyzyjnych
W tym ćwiczeniu zwizualizujesz granice decyzyjne różnych typów klasyfikatorów.
Podzbiór wbudowanego zbioru danych wine z biblioteki scikit-learn jest już załadowany do X, a etykiety binarne — do y.
To ćwiczenie jest częścią kursu
Liniowe klasyfikatory w Pythonie
Instrukcje do ćwiczenia
- Utwórz następujące obiekty klasyfikatorów z domyślnymi hiperparametrami:
LogisticRegression,LinearSVC,SVC,KNeighborsClassifier. - Dopasuj każdy z klasyfikatorów do podanych danych, używając pętli
for. - Wywołaj funkcję
plot_4_classifers()(podobnie jak w kodzie tutaj), przekazującX,yoraz listę zawierającą cztery klasyfikatory.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()