1. Обучение
  2. /
  3. Курса
  4. /
  5. Машинне навчання з деревоподібними моделями в Python

Connected

упражнение

Логістична регресія vs дерево класифікації

Дерево класифікації ділить простір ознак на прямокутні області. Натомість лінійна модель, така як логістична регресія, утворює лише одну лінійну межу рішення, що ділить простір ознак на дві області рішень.

Ми підготували спеціальну функцію plot_labeled_decision_regions(), яку ви можете використати, щоб побудувати області рішень для списку з двох навчених класифікаторів. Введіть у консолі help(plot_labeled_decision_regions), щоб дізнатися більше про цю функцію.

X_train, X_test, y_train, y_test, модель dt, яку ви тренували в попередній вправі, а також функція plot_labeled_decision_regions() доступні у вашому робочому середовищі.

Инструкции

100 XP
  • Імпортуйте LogisticRegression з sklearn.linear_model.

  • Створіть екземпляр моделі LogisticRegression і присвойте його змінній logreg.

  • Навчіть logreg на тренувальному наборі.

  • Перегляньте графік, згенерований plot_labeled_decision_regions().