# Лабораторная работа 5. Регрессия
### Вариант № 18(3)
Использовать  регрессию для  данных по варианту из таблицы,самостоятельно  сформулировав  задачу.  
Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.

***
## *Как запустить лабораторную работу:*
Чтобы запустить программу, открываем файл lab5 в PyCharm и нажимаем на зеленый треугольник в правом верхнем углу.
***
## *Использованные технологии:*
**Scikit-learn** - один из наиболее широко используемых пакетов Python для Data Science и Machine Learning. Он позволяет выполнять множество операций и предоставляет множество алгоритмов.

**Pandas** — это библиотека с открытым исходным кодом, предоставляющая высокопроизводительные, простые в использовании структуры данных и инструменты анализа данных для языка программирования Python.

**Matplotlib** — это комплексная библиотека для создания статических, анимированных и интерактивных визуализаций на Python.
***
## *Что делает ЛР:*
В данной работе анализируется работа модели Lasso и решается задача предсказания уровня здоровья по ключевым характеристикам.

Имеется набор данных (clean_data), содержащий результаты опроса добровольцев на тему их состояния здоровья. Были выбраны 5 признаков для задачи регрессии: 
* age - возраст респондента;
* weight - вес респондента;
* work - уровень физ. активности на работе;
* phy_ex - оценка важности физических упражнений;
* gymtime - время, проведенное в тренажерном зале.

Целевой переменной является phy_health - оценка состояния здоровья.

**Результатом работы программы** являются: вывод оценки качества модели (в консоли) и график фактических и предсказанных значений уровня здоровья респондента (lasso.png).
***
## *Пример выходных данных:*
>Вывод в консоли:

![](https://sun9-59.userapi.com/impg/IR0Hgm0PA9j3GRXo1NAh-bss6AiO7XHssRU-2Q/QTxBjwI3b_E.jpg?size=307x23&quality=96&sign=b6f26de29b141eebcfc3ee09fab441a6&type=album)

>График:

![](https://sun9-61.userapi.com/impg/5QlwgIUtVp7_ozRNhskkyKT_QPBHKIqiJ9VJ0g/DDbcVRotq3M.jpg?size=996x693&quality=96&sign=a4d24dde765312b25f188b5ba128e884&type=album)
***
**Вывод**: 
Оценка качества модели довольно низкая (~0,35), что говорит о том, что модель не совсем подходит для решения поставленной задачи. Судя по графику фактических и предсказанных
значений уровня здоровья иногда модель выдавала весьма точные предсказания, а в некоторых случаях совершенно далекие от истины.