29 lines
2.4 KiB
Markdown
29 lines
2.4 KiB
Markdown
|
Общее задание:
|
|||
|
|
Используя код из пункта «Регуляризация и сеть прямого распространения» из [1] (стр. 228), сгенерируйте определенный тип данных и
|
|||
|
|
сравните на нем 3 модели (по варианту). Постройте графики, отобразите качество моделей, объясните полученные результаты.
|
|||
|
|
|
|||
|
|
13 вариант:Данные: make_moons (noise=0.3, random_state=rs)
|
|||
|
|
Модели:
|
|||
|
|
· Линейную регрессию
|
|||
|
|
· Полиномиальную регрессию (со степенью 3)
|
|||
|
|
43
|
|||
|
|
· Многослойный персептрон со 100-а нейронами в скрытом слое (alpha
|
|||
|
|
= 0.01)
|
|||
|
|
|
|||
|
|
Чтобы Запустить приложение нужно запустить файл app.py
|
|||
|
|
|
|||
|
|
Технологии:
|
|||
|
|
|
|||
|
|
Язык программирования: Python
|
|||
|
|
Фреймворк: Flask (для веб-приложения)
|
|||
|
|
Библиотеки: NumPy, scikit-learn, Matplotlib
|
|||
|
|
Описание программы:
|
|||
|
|
Программа представляет собой веб-приложение, реализованное с использованием Flask. Она генерирует данные, используя make_moons из scikit-learn, и сравнивает три модели машинного обучения: линейную регрессию, полиномиальную регрессию степени 3 и многослойный персептрон с 100 нейронами в скрытом слое и параметром регуляризации alpha=0.01.
|
|||
|
|
|
|||
|
|
Входные данные:
|
|||
|
|
|
|||
|
|
Данные, сгенерированные с использованием make_moons (noise=0.3, random_state=0).
|
|||
|
|
Выходные данные:
|
|||
|
|
|
|||
|
|
Веб-страница с кнопкой "Сравнить модели".
|
|||
|
|
После нажатия кнопки выводятся графики, представляющие результаты трех моделей (линейной регрессии, полиномиальной регрессии и многослойного персептрона) с соответствующими оценками (score). Графики сохраняются и отображаются на веб-странице.
|