Ändra modellens koefficienter
När du anropar fit med scikit-learn lärs logistisk regressions koefficienter automatiskt in från din datamängd. I den här övningen utforskar du hur beslutslinjen representeras av koefficienterna. Du ändrar koefficienterna manuellt (i stället för med fit) och visualiserar de resulterande klassificerarna.
En 2D-datamängd är redan inläst i miljön som X och y, tillsammans med ett linjärt klassificerarobjekt model.
Den här övningen är en del av kursen
Linjära klassificerare i Python
Övningsinstruktioner
- Sätt de två koefficienterna och interceptet till olika värden och studera de resulterande beslutslinjerna.
- Försök bilda dig en uppfattning om hur koefficienterna förhåller sig till beslutslinjen.
- Sätt koefficienterna och interceptet så att modellen inte gör några fel på den givna träningsdatan.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)