# Лабораторная работа №5: Регрессия
## Задание. Вариант 3
Мой вариант 28, поэтому взял 3 вариант

Использовать регрессию по варианту для данных из таблицы 1 по варианту (таблица 10), самостоятельно сформулировав  
задачу. Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.

Вариант 3 - Лассо-регрессия

Задача:
Предсказание рейтинга хостела (summary.score) на основе ключевых признаков цены (price.from), атмосферы (atmosphere), 
расстоянии от центра города (Distance), чистоте (cleanliness), удобства(facilities).

## Описание программы

Этот код решает задачу предсказания рейтинга хостелов на основе цены, атмосферы, чистоты, удобств и расстояния. 
Он использует модель Лассо-регрессии для этой задачи и оценивает ее точность на тестовом наборе данных.

## Как запустить лабораторную работу

1. Установите необходимые библиотеки:

    ```bash
    pip install pandas scikit-learn
    ```

2. Запустите скрипт:

    ```bash
    python main.py
    ```
   
## Использованные технологии

- Python
- Pandas
- scikit-learn

## Что программа делает

Загружает данные из файла 'Hostel.csv'. Выбирает признаки, описанные в задании. Очищает и разделяет данные на обучающие 
и тестовые перед использованием. Применяет модель Лассо-регрессии для обучения на обучающем наборе данных. Делает 
предсказание рейтинга хостелей на тестовом наборе данных. Оценивает точность модели рассчитывая среднеквадратичную 
ошибку (Mean Squared Error) и коэффициент детерминации (R-squared). Выводит в консоль точность модели, MSE и R-squared.

## Тесты

![Графики моделей](img.png)

## Вывод

_Точность модели составляет 90.46%, что подтверждается низким значением Mean Squared Error (0.0790) и высоким 
коэффициентом детерминации (R-squared: 0.9032). Такие результаты свидетельствуют об отличной эффективности модели и 
хорошей предсказательной способности._

---