Зміна коефіцієнтів моделі
Коли ви викликаєте fit у scikit-learn, коефіцієнти логістичної регресії автоматично обчислюються з вашого набору даних. У цій вправі ви дослідите, як коефіцієнти задають межу прийняття рішення. Для цього ви змінюватимете коефіцієнти вручну (замість використання fit) і візуалізуватимете отримані класифікатори.
Двовимірний набір даних уже завантажено в середовище як X та y, а також обʼєкт лінійного класифікатора model.
Ця вправа є частиною курсу
Лінійні класифікатори в Python
Інструкції до вправи
- Задайте для двох коефіцієнтів і вільного члена різні значення та спостерігайте отримані межі прийняття рішення.
- Спробуйте сформувати інтуїтивне розуміння того, як коефіцієнти повʼязані з цією межею.
- Встановіть коефіцієнти та вільний член так, щоб модель не робила помилок на поданих тренувальних даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)