Bắt đầu ngayBắt đầu miễn phí

Logistic regression vs classification tree

Một cây phân loại chia không gian đặc trưng thành các vùng hình chữ nhật. Ngược lại, một mô hình tuyến tính như logistic regression chỉ tạo ra một ranh giới quyết định tuyến tính duy nhất, chia không gian đặc trưng thành hai vùng quyết định.

Chúng tôi đã viết sẵn một hàm tùy chỉnh tên là plot_labeled_decision_regions() để bạn có thể vẽ các vùng quyết định của một danh sách gồm hai bộ phân loại đã được huấn luyện. Bạn có thể gõ help(plot_labeled_decision_regions) trong shell để tìm hiểu thêm về hàm này.

X_train, X_test, y_train, y_test, mô hình dt mà bạn đã huấn luyện ở bài trước, cũng như hàm plot_labeled_decision_regions() đều có sẵn trong không gian làm việc của bạn.

Bài tập này là một phần của khóa học

Machine Learning với mô hình dựa trên cây trong Python

Xem khóa học

Hướng dẫn bài tập

  • Import LogisticRegression từ sklearn.linear_model.

  • Khởi tạo một mô hình LogisticRegression và gán cho logreg.

  • Fit logreg trên tập huấn luyện.

  • Xem biểu đồ được tạo bởi plot_labeled_decision_regions().

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Import LogisticRegression from sklearn.linear_model
from ____.____ import  ____

# Instatiate logreg
____ = ____(random_state=1)

# Fit logreg to the training set
____.____(____, ____)

# Define a list called clfs containing the two classifiers logreg and dt
clfs = [logreg, dt]

# Review the decision regions of the two classifiers
plot_labeled_decision_regions(X_test, y_test, clfs)
Chỉnh sửa và Chạy Mã