邏輯斯迴歸 vs. 分類樹

分類樹會把特徵空間切分成「矩形區域」。相對地，像邏輯斯迴歸這樣的線性模型只會產生一條線性的決策邊界，把特徵空間劃分成兩個決策區域。

我們已提供一個自訂函式 plot_labeled_decision_regions()，你可以用它來繪製包含兩個已訓練分類器之清單的決策區域。你可以在終端機輸入 help(plot_labeled_decision_regions) 以瞭解更多關於此函式的資訊。

X_train、X_test、y_train、y_test、你先前練習中訓練好的模型 dt，以及函式 plot_labeled_decision_regions() 都已在你的工作環境中可用。

本練習屬於課程

Machine Learning with Tree-Based Models in Python

檢視課程

練習說明

從 sklearn.linear_model 匯入 LogisticRegression。
建立一個 LogisticRegression 模型，指派給 logreg。
將 logreg 擬合到訓練集。
檢視 plot_labeled_decision_regions() 產生的圖。

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。

# 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)

編輯並執行程式碼