視覺化多類別 logistic regression
在這個練習中，我們會延續探討兩種多類別 logistic regression，但改用一個特別設計來讓 one-vs-rest 方案失效的 2D 玩具資料集。
資料集已載入至 X_train 和 y_train。兩個 logistic regression 物件 lr_mn 和 lr_ovr（皆使用 C=100）已經建立、訓練並繪製完成。
注意 lr_ovr 從不預測深藍色的類別……糟了！我們來探究原因，先把它在幕後使用的其中一個二元分類器畫出來看看。
本練習屬於課程
Python 中的線性分類器
練習說明
- 建立一個新的 logistic regression 物件（同樣使用
C=100），用於二元分類。 - 使用
plot_classifier視覺化這個二元分類器……看起來合理嗎？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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, ____)