## Лабораторная работа №1 ### Работа с типовыми наборами данных и различными моделями ### ПИбд-41 Абанин Даниил ### Как запустить лабораторную работу: * установить python, numpy, matplotlib, sklearn * запустить проект (стартовая точка класс lab1) ### Какие технологии использовались: * Язык программирования `Python`, * Библиотеки numpy, matplotlib, sklearn * Среда разработки `PyCharm` ### Что делает лабораторная работа: * Программа гененерирует данные с make_moonsmake_moons (noise=0.3, random_state=rs) * Сравнивает три типа моделей: инейная, полиномиальная, гребневая полиномиальная регрессии ### Примеры работы: #### Результаты: MAE - средняя абсолютная ошибка, измеряет среднюю абсолютную разницу между прогнозируемыми значениями модели и фактическими значениями целевой переменной MSE - средняя квадратическая ошибка, измеряет среднюю квадратичную разницу между прогнозируемыми значениями модели и фактическими значениями целевой переменной Чем меньше значения показателей, тем лучше модель справляется с предсказанием Линейная регрессия MAE 0.2959889435199454 MSE 0.13997968555679302 Полиномиальная регрессия MAE 0.21662135861071705 MSE 0.08198825629271855 Гребневая полиномиальная регрессия MAE 0.2102788716636562 MSE 0.07440133949387796 Лучший результат показала модель **Гребневая полиномиальная регрессия**   