# Лабораторная работа №1. Работа с типовыми наборами данных и различными моделями
## 12 вариант
___

### Задание:
Используя код из пункта «Регуляризация и сеть прямого распространения», сгенерируйте определенный тип данных и сравните на нем 3 модели (по варианту).  Постройте графики, отобразите качество моделей, объясните полученные результаты.  

### Данные по варианту:
-  make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2, random_state=rs, n_clusters_per_class=1)

### Модели по варианту:
- Линейная регрессия
- Персептрон
- Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)

___

### Запуск
- Запустить файл lab1.py

### Используемые технологии
- Язык программирования **Python**
- Среда разработки **PyCharm**
- Библиотеки:
    * numpy
    * sklearn 
    * matplotlib

### Описание программы
Программа генерирует набор данных с помощью функции make_classification()
с заданными по варианту параметрами. После этого происходит вывод в консоль
качества данных моделей  по варианту и построение графикиков для этих моделей.

Оценка точности происходит при помощи встроенного в модели метода метода
**.score()**, который вычисляет правильность модели для набора данных.

___
### Пример работы

![Graphics](1_linear_regression.png)
```text
===> Линейная регрессия <===
Оценка точности:  0.4513003751817972
```
___

![Graphics](2_perceptron.png)
```text
===> Персептрон <===
Оценка точности:  0.7591836734693878
```
___

![Graphics](3_poly_ridge.png)
```text
===> Гребневая полиномиальная регрессия <===
Оценка точности:  0.5312017992195672
```

### Вывод
Согласно выводу в консоль оценок точности, лучший результат показала модель **персептрона**