Trực quan hóa logistic regression đa lớp
Trong bài tập này, bạn sẽ tiếp tục với hai biến thể của logistic regression đa lớp, nhưng trên một bộ dữ liệu 2D đơn giản được thiết kế riêng để “bẻ gãy” sơ đồ one-vs-rest.
Bộ dữ liệu đã được nạp vào X_train và y_train. Hai đối tượng logistic regression, lr_mn và lr_ovr, đã được khởi tạo (với C=100), huấn luyện và vẽ sẵn.
Hãy để ý rằng lr_ovr không bao giờ dự đoán lớp xanh dương đậm… ôi chao! Hãy khám phá lý do bằng cách vẽ một trong các bộ phân loại nhị phân mà nó đang sử dụng phía sau hậu trường.
Bài tập này là một phần của khóa học
Bộ phân loại tuyến tính với Python
Hướng dẫn bài tập
- Tạo một đối tượng logistic regression mới (cũng với
C=100) để dùng cho phân loại nhị phân. - Trực quan hóa bộ phân loại nhị phân này với
plot_classifier… trông có hợp lý không?
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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, ____)