带正则化的逻辑回归
在第 1 章中，您对手写数字数据集使用过逻辑回归。这里，我们将探索 L2 正则化的影响。
手写数字数据集已加载、划分，并存放在变量 X_train、y_train、X_valid 和 y_valid 中。变量 train_errs 和 valid_errs 已初始化为空列表。
本练习是课程的一部分
Python 中的线性分类器
练习说明
- 遍历不同的
C_value，每次创建并拟合一个LogisticRegression模型。 - 对于每个模型，保存其在训练集和验证集上的错误率。
- 绘制关于正则化参数
C的训练误差与测试误差曲线。 - 观察图像，
C的最佳取值是多少？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Train and validaton errors initialized as empty list
train_errs = list()
valid_errs = list()
# Loop over values of C_value
for C_value in [0.001, 0.01, 0.1, 1, 10, 100, 1000]:
# Create LogisticRegression object and fit
lr = ____
lr.fit(____)
# Evaluate error rates and append to lists
train_errs.append( 1.0 - lr.score(____) )
valid_errs.append( 1.0 - lr.score(____) )
# Plot results
plt.semilogx(C_values, train_errs, C_values, valid_errs)
plt.legend(("train", "validation"))
plt.show()