61 lines
2.6 KiB
Markdown
61 lines
2.6 KiB
Markdown
# Лабораторная работа №1. Работа с типовыми наборами данных и различными моделями
|
||
## 12 вариант
|
||
___
|
||
|
||
### Задание:
|
||
Используя код из пункта «Регуляризация и сеть прямого распространения», сгенерируйте определенный тип данных и сравните на нем 3 модели (по варианту). Постройте графики, отобразите качество моделей, объясните полученные результаты.
|
||
|
||
### Данные по варианту:
|
||
- make_classification (n_samples=500, n_features=2, n_redundant=0, n_informative=2, random_state=rs, n_clusters_per_class=1)
|
||
|
||
### Модели по варианту:
|
||
- Линейная регрессия
|
||
- Персептрон
|
||
- Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)
|
||
|
||
___
|
||
|
||
### Запуск
|
||
- Запустить файл lab1.py
|
||
|
||
### Используемые технологии
|
||
- Язык программирования **Python**
|
||
- Среда разработки **PyCharm**
|
||
- Библиотеки:
|
||
* numpy
|
||
* sklearn
|
||
* matplotlib
|
||
|
||
### Описание программы
|
||
Программа генерирует набор данных с помощью функции make_classification()
|
||
с заданными по варианту параметрами. После этого происходит вывод в консоль
|
||
качества данных моделей по варианту и построение графикиков для этих моделей.
|
||
|
||
Оценка точности происходит при помощи встроенного в модели метода метода
|
||
**.score()**, который вычисляет правильность модели для набора данных.
|
||
|
||
___
|
||
### Пример работы
|
||
|
||
|
||
```text
|
||
===> Линейная регрессия <===
|
||
Оценка точности: 0.4513003751817972
|
||
```
|
||
___
|
||
|
||
|
||
```text
|
||
===> Персептрон <===
|
||
Оценка точности: 0.7591836734693878
|
||
```
|
||
___
|
||
|
||
|
||
```text
|
||
===> Гребневая полиномиальная регрессия <===
|
||
Оценка точности: 0.5312017992195672
|
||
```
|
||
|
||
### Вывод
|
||
Согласно выводу в консоль оценок точности, лучший результат показала модель **персептрона** |