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.

8 вариант:
Данные: make_circles (noise=0.2, factor=0.5, random_state=rs) 
Модели:
- Персептрон
· Многослойный персептрон с 10-ю нейронами в скрытом слое (alpha =
0.01)
· Многослойный персептрон со 100-а нейронами в скрытом слое (alpha
= 0.01)

Запуск осуществляется через файл app.py


Технологии:

Flask: Веб-фреймворк для Python, используется для создания веб-приложения.
NumPy: Библиотека для работы с массивами и матрицами, используется для генерации данных.
scikit-learn: Библиотека для машинного обучения, используется для построения и обучения моделей.
Matplotlib: Библиотека для визуализации данных, используется для создания графиков.
mlxtend: Библиотека для визуализации решающих границ.
Описание работы программы:

При запуске приложения через Flask создается веб-сервер.
Пользователь открывает веб-страницу, которая содержит кнопку "Compare Models".
При нажатии на кнопку генерируются данные (make_circles) и тренируются три модели: Perceptron, MLP с 10 нейронами и MLP с 100 нейронами.
Для каждой модели строятся графики с решающими границами и вычисляется точность модели на тестовых данных.
Результаты (графики и точности) отображаются на веб-странице.
Входные данные:

Нет явных входных данных от пользователя. Данные генерируются программой (make_circles).
Выходные данные:

Визуализация решающих границ для трех моделей (Perceptron, MLP с 10 нейронами, MLP с 100 нейронами).
Точность каждой модели на тестовых данных отображается на веб-странице.