36 lines
1.8 KiB
Markdown
36 lines
1.8 KiB
Markdown
## Лабораторная работа №1, ПИбд-42 Тепечин Кирилл, Вариант 26(5)
|
||
|
||
### Задание
|
||
#### Данные:
|
||
make_circles (noise=0.2, factor=0.5, random_state=rs)
|
||
#### Модели:
|
||
* Линейная регрессия
|
||
* Полиномиальная регрессия (со степенью 4)
|
||
* Гребневая полиномиальная регрессия (со степенью 4, alpha = 1.0)
|
||
### Как запустить лабораторную работу:
|
||
|
||
Для запуска лабораторной работы необходимо запустить файл lab1.py
|
||
|
||
### Используемые технологии:
|
||
|
||
* Python 3.12
|
||
* numpy
|
||
* matplotlib
|
||
* scikit-learn
|
||
|
||
### Что делает лабораторная работа:
|
||
|
||
Эта лабораторная работа создает и сравнивает различные модели регрессии для сгенерированного набора данных, оценивая их производительность на основе среднеквадратичной ошибки и визуализируя их предсказания на графиках.
|
||
|
||
### Результат:
|
||
* *Линейная регрессия*, среднеквадратичная ошибка: 0.29507570583195913
|
||
* *Полиноминальная регрессия*, среднеквадратичная ошибка: 0.1803255642844966
|
||
* *Гребневая полиномиальная регрессия*, среднеквадратичная ошибка: 0.17274375314846807
|
||
|
||
### Вывод
|
||
Самое маленькое значение mse у *Гребневая полиномиальная регрессия*
|
||
|
||
### График
|
||
|
||
|