import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.linear_model import LinearRegression
from sklearn.neural_network import MLPClassifier, MLPRegressor
from sklearn.metrics import accuracy_score, mean_squared_error


X, y = make_moons(noise=0.3, random_state=42)

# Линейная регрессия
lr = LinearRegression()
lr.fit(X, y)

# Многослойный персептрон
mlp = MLPRegressor(hidden_layer_sizes=(10,), alpha=0.01, random_state=42)
mlp.fit(X, y)

# Персептрон
perceptron = MLPClassifier(hidden_layer_sizes=(1,), random_state=42)
perceptron.fit(X, y)

# Создаем сетку точек для предсказания моделей
xx, yy = np.meshgrid(np.linspace(-2, 3, 1000), np.linspace(-2, 2, 1000))
Z_lr = lr.predict(np.c_[xx.ravel(), yy.ravel()]).reshape(xx.shape)
Z_mlp = mlp.predict(np.c_[xx.ravel(), yy.ravel()]).reshape(xx.shape)
Z_perceptron = perceptron.predict(np.c_[xx.ravel(), yy.ravel()]).reshape(xx.shape)

# Отображаем данные и предсказания моделей
plt.figure(figsize=(18, 6))

# График линейной регрессии
plt.subplot(1, 3, 1)
plt.contourf(xx, yy, Z_lr, cmap=plt.cm.RdBu, alpha=0.8)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.RdBu, edgecolors='k')
plt.title("Линейная регрессия")

# График многослойного персептрона
plt.subplot(1, 3, 2)
plt.contourf(xx, yy, Z_mlp, cmap=plt.cm.RdBu, alpha=0.8)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.RdBu, edgecolors='k')
plt.title("Многослойный персептрон")

# График персептрона
plt.subplot(1, 3, 3)
plt.contourf(xx, yy, Z_perceptron, cmap=plt.cm.RdBu, alpha=0.8)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.RdBu, edgecolors='k')
plt.title("Персептрон")

print("Линейная регрессия:", lr.score(X, y))
print("Многослойный персептрон:", mlp.score(X, y))
print("Персептрон:", perceptron.score(X, y))

# Показываем графики
plt.show()