Alterando os coeficientes do modelo
Quando você chama fit com scikit-learn, os coeficientes da regressão logística são aprendidos automaticamente a partir do seu conjunto de dados. Neste exercício, você vai explorar como a fronteira de decisão é representada pelos coeficientes. Para isso, você vai alterar os coeficientes manualmente (em vez de usar fit) e visualizar os classificadores resultantes.
Um conjunto de dados 2D já está carregado no ambiente como X e y, juntamente com um objeto de classificador linear model.
Este exercício faz parte do curso
Classificadores Lineares em Python
Instruções do exercício
- Defina os dois coeficientes e o intercepto com vários valores e observe as fronteiras de decisão resultantes.
- Tente desenvolver uma intuição de como os coeficientes se relacionam com a fronteira de decisão.
- Defina os coeficientes e o intercepto de modo que o modelo não cometa erros nos dados de treino fornecidos.
Exercício interativo prático
Experimente este exercício completando 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)