Visualizando regressão logística multiclasse
Neste exercício, vamos continuar com os dois tipos de regressão logística multiclasse, mas em um conjunto de dados 2D simples, projetado especificamente para “quebrar” o esquema one-vs-rest.
O conjunto de dados está 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.
Perceba que lr_ovr nunca prevê a classe azul-escura… eita! Vamos explorar por que isso acontece plotando um dos classificadores binários que ele usa por baixo dos panos.
Este exercício faz parte do curso
Classificadores Lineares em Python
Instruções do exercício
- Crie um novo objeto de regressão logística (também com
C=100) para ser usado em classificação binária. - Visualize esse classificador binário com
plot_classifier… ele parece razoável?
Exercício interativo prático
Experimente este exercício completando 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, ____)