#### Кондрашин Михаил ПИбд-41

## Лабораторная работа 1. Работа с типовыми наборами данных и различными моделями

### Задание:

**Данные:** make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2, random_state=rs,
n_clusters_per_class=1)

**Модели:**

* Линейная регрессия
* Полиномиальная регрессия (со степенью 3)
* Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)

### Запуск лабораторной работы:

* установить `python`, `numpy`, `matplotlib`, `sklearn`
* запустить проект (стартовая точка класс `main.py`)

### Используемые технологии:

* Язык программирования `Python`,
* Библиотеки `numpy`, `matplotlib`, `sklearn`
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)

### Описание решения:

* Программа генерирует данные с make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2,
  random_state=rs, n_clusters_per_class=1)
* Сравнивает три типа моделей: линейная, полиномиальная, гребневая полиномиальная регрессии
* Выдает графики и оценки качества по коэффициенту детерминации для каждой модели

### Результат:

![Linear](images/linear.png)
![Polynomial](images/polynomial.png)
![Greb](images/greb_polynom.png)

* Результат расчета оценки качества:
  ![Result](images/result.png)

По результатам оценки качества можно сказать, что **полиномиальная регрессия** показала наибольшую оценку