45 lines
2.0 KiB
Markdown
45 lines
2.0 KiB
Markdown
#### Кондрашин Михаил ПИбд-41
|
||
|
||
## Лабораторная работа 1. Работа с типовыми наборами данных и различными моделями
|
||
|
||
### Задание:
|
||
|
||
**Данные:** make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2, random_state=rs,
|
||
n_clusters_per_class=1)
|
||
|
||
**Модели:**
|
||
|
||
* Линейная регрессия
|
||
* Полиномиальная регрессия (со степенью 3)
|
||
* Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)
|
||
|
||
### Запуск лабораторной работы:
|
||
|
||
* установить `python`, `numpy`, `matplotlib`, `sklearn`
|
||
* запустить проект (стартовая точка класс `main.py`)
|
||
|
||
### Используемые технологии:
|
||
|
||
* Язык программирования `Python`,
|
||
* Библиотеки `numpy`, `matplotlib`, `sklearn`
|
||
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)
|
||
|
||
### Описание решения:
|
||
|
||
* Программа генерирует данные с make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2,
|
||
random_state=rs, n_clusters_per_class=1)
|
||
* Сравнивает три типа моделей: линейная, полиномиальная, гребневая полиномиальная регрессии
|
||
* Выдает графики и оценки качества по коэффициенту детерминации для каждой модели
|
||
|
||
### Результат:
|
||
|
||
|
||
|
||
|
||
|
||
* Результат расчета оценки качества:
|
||
|
||
|
||
По результатам оценки качества можно сказать, что **полиномиальная регрессия** показала наибольшую оценку
|
||
|