Visualização da regressão logística multiclasse
Neste exercício, continuaremos com os dois tipos de regressão logística multiclasse, mas em um conjunto de dados 2D de brinquedo projetado especificamente para quebrar o esquema um-vs-resto.
O conjunto de dados é carregado em X_train e y_train. Os dois objetos de regressão logística,lr_mn e lr_ovr, já estão instanciados (com C=100), ajustados e plotados.
Observe que o site lr_ovr nunca prevê a classe azul escura… eca! Vamos explorar por que isso acontece plotando um dos classificadores binários que ele está usando nos bastidores.
Este exercício faz parte do curso
Classificadores lineares em Python
Instruções de exercício
- Crie um novo objeto de regressão logística (também com
C=100) a ser usado para classificação binária. - Visualize esse classificador binário com
plot_classifier… ele parece razoável?
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# 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, ____)