Alterar os coeficientes do modelo
Quando você chama fit com o scikit-learn, os coeficientes de regressão logística são aprendidos automaticamente com o conjunto de dados. Neste exercício, você explorará como o limite de decisão é representado pelos coeficientes. Para isso, você alterará os coeficientes manualmente (em vez de usar fit) e visualizará os classificadores resultantes.
Um conjunto de dados 2D já está carregado no ambiente como X e y, juntamente com um objeto classificador linear model.
Este exercício faz parte do curso
Classificadores lineares em Python
Instruções de exercício
- Defina os dois coeficientes e a interceptação para vários valores e observe os limites de decisão resultantes.
- Tente criar uma noção de como os coeficientes se relacionam com o limite de decisão.
- Defina os coeficientes e a interceptação de forma que o modelo não cometa erros nos dados de treinamento fornecidos.
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Set the coefficients
model.coef_ = np.array([[0,1]])
model.intercept_ = np.array([0])
# Plot the data and decision boundary
plot_classifier(X,y,model)
# Print the number of errors
num_err = np.sum(y != model.predict(X))
print("Number of errors:", num_err)