IIS_2023_1/faskhutdinov_idris_lab_1

Лабораторная работа №1. Работа с типовыми наборами данных и различными моделями

6 вариант

Задание:

Используя код из пункта «Регуляризация и сеть прямого распространения» из источника (стр. 228), сгенерируйте определенный тип данных и сравните на нем 3 модели (по варианту). Постройте графики, отобразите качество моделей, объясните полученные результаты.

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

Модели:

• Линейную регрессию
• Полиномиальную регрессию (со степенью 4)
• Гребневую полиномиальную регрессию (со степенью 4, alpha = 1.0)

Как запустить лабораторную

1. Запустить файл main.py

Используемые технологии

1. Библиотека matplotlib
2. Библиотека scikit-learn
3. Python
4. IDE PyCharm

Описание лабораторной работы

Программа генерирует набор данных с помощью функции make_classification в функции main. После чего делит данные на тестовую и обучающую выборки. В итоге запускает функции linear_regression, polin_regression_4, gr_polin_regression_4, передавая им набор данных как аргументы. В вышеперечисленных функциях происходит обучение моделей на тестовой выборке, после чего предсказываются данные на оставшейся выборке. В заключении строятся графики, которые отображают модели, в консоль выводится оценка их работы

Результат

Программа выводит в консоль следующие данные: Линейная регрессия: 0.8857142857142857 Полиномиальная регрессия: 0.9714285714285714 Гребневая полиномиальная регрессия: 0.7732479926366043 Выходит, что наиболее качественная для решения задачи-полиномиальная регрессия, а хуже всего справилась гребневая полиномиальная.

Скриншоты работы программы представлены в папке с лабораторной работой.