52 lines
3.2 KiB
Markdown
52 lines
3.2 KiB
Markdown
|
## Задание
|
|||
|
|
Работа с типовыми наборами данных и различными моделями.
|
|||
|
|
Сгенерируйте определенный тип данных и сравните на нем 3 модели
|
|||
|
|
|
|||
|
|
Вариант №2
|
|||
|
|
|
|||
|
|
Данные: make_circles(noise=0.2, factor=0.5, random_state=1)
|
|||
|
|
|
|||
|
|
Модели:
|
|||
|
|
+ Линейная регрессия
|
|||
|
|
+ Полиномиальная регрессия (degree=3)
|
|||
|
|
+ Гребневая рекрессия (degree=3, alpha=1.0)
|
|||
|
|
|
|||
|
|
## Используемые технологии
|
|||
|
|
В лабораторной были использованы библиотеки:
|
|||
|
|
+ matplotlib - используется для создания графиков
|
|||
|
|
+ sklearn - используется для работы с моделями машинного обучения
|
|||
|
|
|
|||
|
|
## Как запустить
|
|||
|
|
Запустить файл main.py, который выполнит необходимые действия над моделями
|
|||
|
|
и выведет графики на экран.
|
|||
|
|
|
|||
|
|
## Что делает программа
|
|||
|
|
Генерирует набор данных типа circles, делит его на обучающую и тестовую выборки.
|
|||
|
|
По очереди обучает на данных обучающей выборки 3 модели:
|
|||
|
|
модель линейной регрессии, модель полиномиальной регрессии со степенью 3 и
|
|||
|
|
модель гребневой регрессии со степенью 3 и alpha=1.0.
|
|||
|
|
|
|||
|
|
После обучения предсказания моделей проверяются на тестовых данных.
|
|||
|
|
Строится 4 графика, один для отображения первоначальных тестовых и обучающих данных, где:
|
|||
|
|
`o` - точки обучающей выборки первого и второго типа.
|
|||
|
|
`x` - точки тестовой выборки первого и второго типа.
|
|||
|
|
И по одному графику для каждой модели, где:
|
|||
|
|
`o` - точки тестовой выборки первого и второго типа.
|
|||
|
|
|
|||
|
|
Далее программа выведет оценки точности моделей. Полученные оценки:
|
|||
|
|
+ Линейная регрессия - 0.268
|
|||
|
|
+ Полиномиальная регрессия со степенью 3 - 0.134
|
|||
|
|
+ Гребневая регрессия со степенью 3, alpha=1.0 - 0.131
|
|||
|
|
|
|||
|
|
## Скриншоты работы программы
|
|||
|
|
График для отображения первоначальных тестовых и обучающих данных и
|
|||
|
|
полученные графики разбиения точек на классы:
|
|||
|
|
|
|||
|
|
Линейная регрессия - Полиномиальная регрессия (со степенью 3) - Гребневая регрессия (со степенью 3, alpha=1.0)
|
|||
|
|
|
|||
|
|
|
|||
|
|
Вывод анализа точности работы моделей:
|
|||
|
|
|
|||
|
|
|
|||
|
|
## Вывод
|
|||
|
|
Исходя из этого, можно сделать вывод: лучший результат показала модель линейной регрессии.
|