| .. | ||
| greb_reg.jpg | ||
| lab1.py | ||
| lin_reg.jpg | ||
| pol_reg.jpg | ||
| README.md | ||
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
