Ajustando regressão logística multiclasse
Neste exercício, você vai ajustar os dois tipos de regressão logística multiclasse — one-vs-rest e softmax/multinomial — no conjunto de dados de dígitos manuscritos e comparar os resultados. O conjunto de dados de dígitos manuscritos já está carregado e dividido em X_train, y_train, X_test e y_test.
Este exercício faz parte do curso
Classificadores Lineares em Python
Instruções do exercício
- Ajuste um classificador de regressão logística one-vs-rest definindo o parâmetro
multi_classe apresente os resultados. - Ajuste um classificador de regressão logística multinomial definindo o parâmetro
multi_classe apresente os resultados.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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))