Visualisera beslutsgränser
I den här övningen visualiserar du beslutsgränser för olika typer av klassificerare.
En delmängd av scikit-learns inbyggda wine-datamängd är redan inläst i X, tillsammans med binära etiketter i y.
Den här övningen är en del av kursen
Linjära klassificerare i Python
Övningsinstruktioner
- Skapa följande klassificerare med standardvärden för hyperparametrar:
LogisticRegression,LinearSVC,SVC,KNeighborsClassifier. - Träna varje klassificerare på den tillhandahållna datamängden med hjälp av en
for-slinga. - Anropa funktionen
plot_4_classifers()(liknande koden här) och skicka inX,ysamt en lista med de fyra klassificerarna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC, LinearSVC
from sklearn.neighbors import KNeighborsClassifier
# Define the classifiers
classifiers = [____]
# Fit the classifiers
for c in ____:
____
# Plot the classifiers
plot_4_classifiers(X, y, classifiers)
plt.show()