Klasyfikatory liniowe: równania predykcji

Liniowe klasyfikatory w Pythonie

Michael (Mike) Gelbart

Instructor, The University of British Columbia

Iloczyn skalarny

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

$\textrm{surowe wyjście modelu} = \textrm{współczynniki} \cdot \textrm{cechy} + \textrm{wyraz wolny}$
Predykcja klasyfikatora liniowego: oblicz surowe wyjście modelu, sprawdź znak
- jeśli dodatni, przewiduj pierwszą klasę
- jeśli ujemny, przewiduj drugą klasę
Dotyczy to regresji logistycznej i liniowego SVM
- fit jest różne, ale predict jest takie samo

$\textrm{surowe wyjście modelu} = \textrm{współczynniki} \cdot \textrm{cechy} + \textrm{wyraz wolny}$

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])

Liniowe klasyfikatory w Pythonie