線形分類器：予測方程式

Python で学ぶ線形分類器

Michael (Mike) Gelbart

Instructor, The University of British Columbia

内積

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

$\textrm{raw model output} = \textrm{coefficients} \cdot \textrm{features} + \textrm{intercept}$
線形分類器の予測：生出力を計算し、符号を確認する
- 正の場合、一方のクラスを予測
- 負の場合、もう一方のクラスを予測
ロジスティック回帰と線形SVMで共通
- fit は異なるが predict は同じ

$\textrm{raw model output} = \textrm{coefficients} \cdot \textrm{features} + \textrm{intercept}$

lr = LogisticRegression()

lr.fit(X,y)

lr.predict(X)[10]

lr.predict(X)[20]

lr.coef_ @ X[10] + lr.intercept_ # raw model output

array([-33.78572166])

lr.coef_ @ X[20] + lr.intercept_ # raw model output

array([ 0.08050621])

Python で学ぶ線形分類器