## Лабораторная работа №1, ПИбд-42 Тепечин Кирилл, Вариант 26(5)

### Задание
#### Данные:
make_circles (noise=0.2, factor=0.5, random_state=rs)
#### Модели:
* Линейная регрессия
* Полиномиальная регрессия (со степенью 4)
* Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)
### Как запустить лабораторную работу:

Для запуска лабораторной работы необходимо запустить файл lab1.py

### Используемые технологии:

* Python 3.12
* numpy
* matplotlib
* scikit-learn

### Что делает лабораторная работа:

Эта лабораторная работа создает и сравнивает различные модели регрессии для сгенерированного набора данных, оценивая их производительность на основе среднеквадратичной ошибки и визуализируя их предсказания на графиках.

### Результат:
* *Линейная регрессия*, среднеквадратичная ошибка: 0.29507570583195913
* *Полиноминальная регрессия*, среднеквадратичная ошибка: 0.1803255642844966
* *Гребневая полиномиальная регрессия*, среднеквадратичная ошибка: 0.17274375314846807

### Вывод
Самое маленькое значение mse у *Гребневая полиномиальная регрессия*

### График 

![График](plots.png)