From 790641d82f90556bb2624f5452213d93ed68b69c Mon Sep 17 00:00:00 2001
From: Ctrl-Tim <73001228+Ctrl-Tim@users.noreply.github.com>
Date: Sun, 10 Dec 2023 16:01:29 +0400
Subject: [PATCH] create README
---
.idea/workspace.xml | 37 ++++++++++++++++++--
istyukov_timofey_lab1/README.md | 61 +++++++++++++++++++++++++++++++++
2 files changed, 95 insertions(+), 3 deletions(-)
create mode 100644 istyukov_timofey_lab1/README.md
diff --git a/.idea/workspace.xml b/.idea/workspace.xml
index 678d06f..0fe8de4 100644
--- a/.idea/workspace.xml
+++ b/.idea/workspace.xml
@@ -4,7 +4,7 @@
-
+
@@ -200,7 +200,14 @@
1702208193675
-
+
+ 1702208529340
+
+
+
+ 1702208529340
+
+
@@ -214,6 +221,13 @@
+
+
+
+
+
+
+
+
@@ -248,6 +278,7 @@
-
+
+
\ No newline at end of file
diff --git a/istyukov_timofey_lab1/README.md b/istyukov_timofey_lab1/README.md
new file mode 100644
index 0000000..263bebf
--- /dev/null
+++ b/istyukov_timofey_lab1/README.md
@@ -0,0 +1,61 @@
+# Лабораторная работа №1. Работа с типовыми наборами данных и различными моделями
+## 12 вариант
+___
+
+### Задание:
+Используя код из пункта «Регуляризация и сеть прямого распространения», сгенерируйте определенный тип данных и сравните на нем 3 модели (по варианту). Постройте графики, отобразите качество моделей, объясните полученные результаты.
+
+### Данные по варианту:
+- make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2, random_state=rs, n_clusters_per_class=1)
+
+### Модели по варианту:
+- Линейная регрессия
+- Персептрон
+- Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)
+
+___
+
+### Запуск
+- Запустить файл lab1.py
+
+### Используемые технологии
+- Язык программирования **Python**
+- Среда разработки **PyCharm**
+- Библиотеки:
+ * numpy
+ * sklearn
+ * matplotlib
+
+### Описание программы
+Программа генерирует набор данных с помощью функции make_classification()
+с заданными по варианту параметрами. После этого происходит вывод в консоль
+качества данных моделей по варианту и построение графикиков для этих моделей.
+
+Оценка точности происходит при помощи встроенного в модели метода метода
+**.score()**, который вычисляет правильность модели для набора данных.
+
+___
+### Пример работы
+
+![Graphics](1_linear_regression.png)
+```text
+===> Линейная регрессия <===
+Оценка точности: 0.4513003751817972
+```
+___
+
+![Graphics](2_perceptron.png)
+```text
+===> Персептрон <===
+Оценка точности: 0.7591836734693878
+```
+___
+
+![Graphics](3_poly_ridge.png)
+```text
+===> Гребневая полиномиальная регрессия <===
+Оценка точности: 0.5312017992195672
+```
+
+### Вывод
+Согласно выводу в консоль оценок точности, лучший результат показала модель **персептрона**
\ No newline at end of file