41 lines
1.4 KiB
Markdown
41 lines
1.4 KiB
Markdown
|
# Лабораторная работа №1
|
|||
|
|
|
|||
|
|
## ПИбд-41, Курмыза Павел, Вариант 13
|
|||
|
|
|
|||
|
|
### Данные:
|
|||
|
|
|
|||
|
|
- make_moons (noise=0.3, random_state=rs)
|
|||
|
|
|
|||
|
|
### Модели:
|
|||
|
|
|
|||
|
|
- Линейную регрессию
|
|||
|
|
- Полиномиальную регрессию (со степенью 3)
|
|||
|
|
- Многослойный персептрон со 100-а нейронами в скрытом слое (alpha = 0.01)
|
|||
|
|
|
|||
|
|
## Как запустить ЛР
|
|||
|
|
|
|||
|
|
- Запустить файл main.py
|
|||
|
|
|
|||
|
|
## Используемые технологии
|
|||
|
|
|
|||
|
|
- Язык программирования Python
|
|||
|
|
- Библиотеки: sklearn, matplotlib, numpy
|
|||
|
|
|
|||
|
|
## Что делает программа
|
|||
|
|
|
|||
|
|
После генерации набора данных с помощью функции make_moons(), программа создает графики для моделей, которые указаны в
|
|||
|
|
задании. Затем она выводит в консоль качество данных для этих моделей.
|
|||
|
|
|
|||
|
|
## Тесты
|
|||
|
|
|
|||
|
|
### Консоль
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
### Графики
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
### Вывод
|
|||
|
|
|
|||
|
|
Исходя из этого, можно сделать вывод: лучший результат показала модель многослойного персептрона на 100 нейронах.
|