### Задание:

Данные: make_moons (noise=0.3, random_state=rs)

Модели:

- Линейная регрессия
- Полиномиальная регрессия (со степенью 5)
- Гребневая полиномиальная регрессия (со степенью 5, alpha= 1.0)

### Технологии:

Библиотека Scikit-learn, библиотека numpy, библиотека matplotlib

### Что делает лабораторная:

В данной лабораторной работе мы сгенерировали данные, обучили и оценили три модели (линейную регрессию, полиномиальную регрессию и гребневую полиномиальную регрессию) на этих данных. Затем мы построили графики и вывели среднеквадратичную ошибку (MSE) для каждой модели. Графики позволяют нам визуализировать данные, их классификацию и границы решения моделей, а MSE показывает, насколько хорошо каждая модель соответствует данным. Чем меньше значение MSE, тем лучше модель соответствует данным. Меньшее значение MSE для полиномиальной регрессии указывает на то, что эта модель лучше соответствуют данным.

### Как запустить:

Лабораторная работа запускается в файле `shestakova_maria_lab_1.py` через Run: открывается окно и появляется вывод в консоли

### Пример выходных значений:

Консоль:

![результат в консоли](MSE.png)

Графики:

![img2.png](linearRegGraphics.png)
![img3.png](polyRegGraphics.png)
![img4.png](ridgeRegGraphics.png)