การแสดงภาพ multi-class logistic regression

ในแบบฝึกหัดนี้ เราจะทำงานต่อกับ multi-class logistic regression ทั้งสองแบบ แต่จะใช้ชุดข้อมูลจำลอง 2 มิติที่ออกแบบมาเพื่อทดสอบข้อจำกัดของวิธี one-vs-rest โดยเฉพาะ

ชุดข้อมูลถูกโหลดไว้ใน X_train และ y_train แล้ว ส่วนออบเจ็กต์ logistic regression ทั้งสองตัว ได้แก่ lr_mn และ lr_ovr ถูกสร้าง ฝึก และพล็อตไว้เรียบร้อยแล้ว (ด้วย C=100)

สังเกตว่า lr_ovr ไม่เคยพยากรณ์คลาสสีน้ำเงินเข้มเลย! มาหาสาเหตุกัน โดยพล็อต binary classifier ตัวหนึ่งที่ทำงานอยู่เบื้องหลัง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Linear Classifiers ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้างออบเจ็กต์ logistic regression ใหม่ (ด้วย C=100 เช่นกัน) เพื่อใช้สำหรับการจำแนกแบบ binary
แสดงภาพ binary classifier นี้ด้วย plot_classifier แล้วดูว่าผลลัพธ์สมเหตุสมผลหรือไม่

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Print training accuracies
print("Softmax     training accuracy:", lr_mn.score(X_train, y_train))
print("One-vs-rest training accuracy:", lr_ovr.score(X_train, y_train))

# Create the binary classifier (class 1 vs. rest)
lr_class_1 = ____
lr_class_1.fit(X_train, y_train==1)

# Plot the binary classifier (class 1 vs. rest)
plot_classifier(X_train, y_train==1, ____)

แก้ไขและรันโค้ด