Classificadores lineares: equações de previsão

Classificadores Lineares em Python

Michael (Mike) Gelbart

Instructor, The University of British Columbia

Produtos escalares

x = np.arange(3)
x

array([0, 1, 2])

y = np.arange(3,6)
y

array([3, 4, 5])

x*y

array([0, 4, 10])

np.sum(x*y)

x@y

$\textrm{saída bruta do modelo} = \textrm{coeficientes} \cdot \textrm{features} + \textrm{intercepto}$
Previsão de classificador linear: calcule a saída bruta e verifique o sinal
- se positivo, prevê uma classe
- se negativo, prevê a outra classe
Vale para regressão logística e SVM linear
- fit muda, mas predict é igual

$\textrm{saída bruta do modelo} = \textrm{coeficientes} \cdot \textrm{features} + \textrm{intercepto}$

lr = LogisticRegression()

lr.fit(X,y)

lr.predict(X)[10]

lr.predict(X)[20]

lr.coef_ @ X[10] + lr.intercept_ # saída bruta do modelo

array([-33.78572166])

lr.coef_ @ X[20] + lr.intercept_ # saída bruta do modelo

array([ 0.08050621])

Classificadores Lineares em Python