This commit is contained in:
DmitriyAntonov 2023-09-23 21:01:09 +04:00
parent 8a288f0abf
commit 0b83c390f5

View File

@ -17,7 +17,7 @@ n_redundant=0, n_informative=2, random_state=rs, n_clusters_per_class=1)
<div>
Качество каждой модели может быть оценено на основе среднеквадратичной ошибки (MSE).
Более низкий MSE указывает на лучшее соответствие данным.
Более низкая MSE указывает на лучшее соответствие данным.
Однако выбор модели зависит от набора данных и лежащей в основе взаимосвязи между объектами и целевой переменной.
Линейная регрессия: Линейная регрессия предполагает линейную зависимость между признаками и целевой переменной.
@ -85,3 +85,9 @@ n_redundant=0, n_informative=2, random_state=rs, n_clusters_per_class=1)
Гребневая (degree=3, alpha=1.0) MSE: 0.1078
</div>
</p>
<div>
Итоговая модель подбирается учитывая зависимость в данных,
как правило полиномиальная регрессия справляется лучше, а коэф регуляризации в гребневой регрессии помогает избежать
переобучения.
</div>