34 lines
2.1 KiB
Markdown
34 lines
2.1 KiB
Markdown
# Лабораторная работа 1. Работа с типовыми наборами данных и различными моделями
|
||
## Задание
|
||
Сгенерировать определенный тип данных и сравнить на нем 3 модели. Построить графики, отобразить качество моделей,
|
||
объяснить полученные результаты.
|
||
Вариант 3 (24)
|
||
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 3)
|
||
· Гребневую полиномиальную регрессию (со степенью 3, alpha= 1.0)
|
||
|
||
|
||
### Запуск программы
|
||
Файл lab1.py содержит и запускает программу
|
||
|
||
### Описание программы
|
||
Генерирует набор данных, показывает окно с графиками и пишет среднюю ошибку моделей обучения
|
||
Использует библиотеки: matplotlib для демонстрации графиков и sklearn для создания и использования моделей.
|
||
|
||
### Результаты тестирования
|
||
Для значения rs=10 результаты такие:
|
||
y - linear_y - polyn_y - ridge_y
|
||
0 - 0.092 - 0.058 - 0.062
|
||
0 - 0.023 - -0.132 - -0.125
|
||
1 - 1.32 - 0.789 - 0.8
|
||
1 - 0.84 - 1.068 - 1.06
|
||
|
||
### Вывод
|
||
Из представленных данных можно сделать вывод,
|
||
что линейная регрессия и гребневая регрессия,
|
||
в целом, предсказывают значения, близкие к исходным,
|
||
и хорошо справляются с задачей. Полиномиальная регрессия
|
||
иногда может давать менее точные прогнозы, особенно когда данные имеют сложную структуру. |