24 lines
2.2 KiB
Markdown
24 lines
2.2 KiB
Markdown
|
### Вариант 9
|
|||
|
|
### Задание на лабораторную работу:
|
|||
|
|
Использовать регрессию по варианту для данных из курсовой работы. Самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо он подходит для решения сформулированной задачи.
|
|||
|
|
### Как запустить лабораторную работу:
|
|||
|
|
Выполняем файл gusev_vladislav_lab_5.py, будет выведен график на экран.
|
|||
|
|
|
|||
|
|
### Технологии
|
|||
|
|
NumPy - библиотека для работы с многомерными массивами. Mathplotlib - библиотека для визуализации данных двумерной и трехмерной графикой. Sklearn - библиотека с большим количеством алгоритмов машинного обучения.
|
|||
|
|
|
|||
|
|
### Задача
|
|||
|
|
Мною было принято решение посмотреть, как зависит
|
|||
|
|
### По коду
|
|||
|
|
1) Для начала загружаем данные из csv файла
|
|||
|
|
2) Разделяем данные на обучающее и тестовые
|
|||
|
|
3) Рескейлим данные из столбца price, который был в диапозоне от 370 до 2700 к диапозону от 0 до 1
|
|||
|
|
4) Обучаем модель, находим R^2 (среднеквадратическая ошибка) и коэффициент детерминации
|
|||
|
|
5) Выводим графики
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
### Вывод
|
|||
|
|
- Среднеквадарическая ошибка получилась довольно низкой, что говорит нам о точности тестовых и предсказанных значений, однако коэффициент детерминации получился крайне низким, даже отрицательным. Это значит, что модель не понимает зависимости данных.
|
|||
|
|
- Итог: гребневая модель регресси не применима к нашей задаче
|