可视化多类逻辑回归
在本练习中，您将继续探索两种多类逻辑回归方法，但这次使用一个特意为破坏 one-vs-rest 方案而设计的二维玩具数据集。
数据集已加载到 X_train 和 y_train。两个逻辑回归对象 lr_mn 和 lr_ovr（均使用 C=100）已经实例化、拟合并完成绘图。
请注意，lr_ovr 从不预测深蓝色类别……有点糟糕！我们来绘制它在幕后使用的某个二元分类器，看看为什么会这样。
本练习是课程的一部分
Python 中的线性分类器
练习说明
- 创建一个新的逻辑回归对象（同样使用
C=100），用于二元分类。 - 使用
plot_classifier可视化这个二元分类器……看起来合理吗？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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, ____)