2023-12-07 15:06:06 +04:00
4 changed files with 114 additions and 0 deletions
--- a/kamyshov_danila_lab_1/app.py
+++ b/kamyshov_danila_lab_1/app.py
@ -0,0 +1,61 @@
+from flask import Flask, request, render_template
+from sklearn.datasets import make_moons
+from sklearn.linear_model import LinearRegression
+from sklearn.preprocessing import PolynomialFeatures
+from sklearn.neural_network import MLPRegressor
+from sklearn.model_selection import train_test_split
+import matplotlib.pyplot as plt
+
+app = Flask(__name__)
+
+@app.route('/')
+def home():
+    return render_template('index.html')
+
+@app.route('/compare_models', methods=['POST'])
+def compare_models():
+    # Генерация данных
+    rs = 0
+    X, y = make_moons(noise=0.3, random_state=rs)
+    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=rs)
+
+    # Линейная регрессия
+    lr = LinearRegression()
+    lr.fit(X_train, y_train)
+    lr_score = lr.score(X_test, y_test)
+
+    # Полиномиальная регрессия (степень 3)
+    poly = PolynomialFeatures(degree=3)
+    X_poly = poly.fit_transform(X_train)
+    poly_reg = LinearRegression()
+    poly_reg.fit(X_poly, y_train)
+    poly_score = poly_reg.score(poly.transform(X_test), y_test)
+
+    # Многослойный персептрон (100 нейронов в скрытом слое, alpha=0.01)
+    mlp = MLPRegressor(hidden_layer_sizes=(100,), alpha=0.01, random_state=rs)
+    mlp.fit(X_train, y_train)
+    mlp_score = mlp.score(X_test, y_test)
+
+    # Создание графиков
+    plt.figure(figsize=(15, 4))
+
+    plt.subplot(131)
+    plt.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=plt.cm.RdBu)
+    plt.title('Линейная регрессия\n(Score: {:.2f})'.format(lr_score))
+
+    plt.subplot(132)
+    plt.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=plt.cm.RdBu)
+    plt.title('Полиномиальная регрессия\n(Score: {:.2f})'.format(poly_score))
+
+    plt.subplot(133)
+    plt.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=plt.cm.RdBu)
+    plt.title('Многослойный персептрон\n(Score: {:.2f})'.format(mlp_score))
+
+    plt.tight_layout()
+
+    plt.savefig('static/models_comparison.png')
+
+    return render_template('index.html', result=True)
+
+if __name__ == '__main__':
+    app.run(debug=True)
--- a/kamyshov_danila_lab_1/readme.md
+++ b/kamyshov_danila_lab_1/readme.md
@ -0,0 +1,29 @@
+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.
--- a/kamyshov_danila_lab_1/static/models_comparison.png
+++ b/kamyshov_danila_lab_1/static/models_comparison.png
--- a/kamyshov_danila_lab_1/templates/index.html
+++ b/kamyshov_danila_lab_1/templates/index.html
@ -0,0 +1,24 @@
+<!DOCTYPE html>
+<html lang="en">
+<head>
+    <meta charset="UTF-8">
+    <meta http-equiv="X-UA-Compatible" content="IE=edge">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>Сравнение моделей</title>
+</head>
+<body>
+    <h1>Сравнение моделей</h1>
+    <form action="/compare_models" method="POST">
+        <button type="submit">Сравнить модели</button>
+    </form>
+    <br>
+    {% if result %}
+        <h2>Графики моделей</h2>
+        <div style="display: flex; justify-content: space-around;">
+            <div>
+                <img src="static/models_comparison.png" alt="График линейной регрессии">
+            </div>
+        </div>
+    {% endif %}
+</body>
+</html>