Wizualizacja łatwych i trudnych przykładów
W tym ćwiczeniu zwizualizujesz przykłady, co do których model regresji logistycznej jest najbardziej i najmniej pewny – sprawdzisz to, analizując największe i najmniejsze przewidywane prawdopodobieństwa.
Zbiór danych z odręcznie pisanymi cyframi jest już wczytany do zmiennych X i y. Funkcja show_digit przyjmuje indeks całkowitoliczbowy i wyświetla odpowiedni obraz wraz z dodatkowymi informacjami widocznymi powyżej.
To ćwiczenie jest częścią kursu
Liniowe klasyfikatory w Pythonie
Instrukcje do ćwiczenia
- Wpisz w pierwszą lukę indeks cyfry, co do której model jest najbardziej pewny.
- Wpisz w drugą lukę indeks cyfry, co do której model jest najmniej pewny.
- Przyjrzyj się obrazom: czy zgadzasz się, że pierwszy jest mniej niejednoznaczny niż drugi?
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
lr = LogisticRegression()
lr.fit(X,y)
# Get predicted probabilities
proba = lr.predict_proba(X)
# Sort the example indices by their maximum probability
proba_inds = np.argsort(np.max(proba,axis=1))
# Show the most confident (least ambiguous) digit
show_digit(____, lr)
# Show the least confident (most ambiguous) digit
show_digit(____, lr)