Plotting Entscheidungsgrenze der logistischen Regression
Ich führe eine logistische Regression durch. Ich habe es geschafft, Wahrscheinlichkeiten daraus zu ziehen, und bin in der Lage, eine 2-Klassen-Klassifizierungsaufgabe vorherzusagen.
Meine Frage ist:
Für mein endgültiges Modell habe ich Gewichte und die Trainingsdaten. Es gibt 2 Merkmale, also ist mein Gewicht ein Vektor mit 2 Reihen.
Wie plane ich das? Ich habe diesen Beitrag gesehen , aber ich verstehe die Antwort nicht ganz. Brauche ich ein Konturdiagramm?
1 Antwort
Ein Vorteil des logistischen Regressions-Klassifikators ist, dass Sie, sobald Sie ihn angepasst haben, Wahrscheinlichkeiten für jeden Probenvektor erhalten können. Das könnte interessanter sein zu plotten. Hier ein Beispiel mit scikit-learn:
%Vor%Generiere zuerst die Daten und passe den Klassifikator an den Trainingssatz an:
%Vor%Erstellen Sie als nächstes ein kontinuierliches Wertegitter und bewerten Sie die Wahrscheinlichkeit jedes (x, y) Punktes im Gitter:
%Vor%Zeichnen Sie nun das Wahrscheinlichkeitsgitter als Konturdiagramm und zeigen Sie darüber hinaus die Testsatz-Beispiele an:
%Vor% 
Mit der logistischen Regression können Sie neue Stichproben auf der Grundlage eines beliebigen Schwellenwerts klassifizieren, sodass es nicht zwangsläufig eine Entscheidungsgrenze gibt. Aber eine gemeinsame Entscheidungsregel ist natürlich p = 0,5. Wir können diese Konturebene auch mit dem obigen Code zeichnen:
%Vor% 
Tags und Links matplotlib scikit-learn logistic-regression