Изменение коэффициентов модели
При вызове fit в scikit-learn коэффициенты логистической регрессии автоматически вычисляются по набору данных. В этом упражнении вы изучите, как решающая граница задаётся коэффициентами. Для этого вы будете изменять коэффициенты вручную (а не с помощью fit) и наблюдать за тем, как меняются классификаторы.
Двумерный набор данных уже загружен в среду как X и y, а также объект линейного классификатора model.
Это упражнение является частью курса
Линейные классификаторы в Python
Инструкции к упражнению
- Задайте различные значения двух коэффициентов и смещения и понаблюдайте за тем, как изменяются решающие границы.
- Постарайтесь понять, как коэффициенты связаны с положением решающей границы.
- Подберите такие значения коэффициентов и смещения, при которых модель не допускает ни одной ошибки на заданных обучающих данных.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)