45 lines
1.9 KiB
Markdown
45 lines
1.9 KiB
Markdown
# Лабораторная работа №1
|
||
|
||
> Работа с типовыми наборами данных и различными моделями
|
||
|
||
# Задание
|
||
|
||
Сгенерировать определённый тип данных, сравнить на нём разные модели и отобразить качество на графиках.
|
||
|
||
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
|
||
* Персептрон
|
||
* Гребневую полиномиальную регрессию (со степенью 3, alpha= 1.0)
|
||
|
||
### Как запустить лабораторную работу
|
||
|
||
1. Установить python, numpy, sklearn, matplotlib
|
||
2. Запустить команду `python main.py` в корне проекта
|
||
|
||
### Использованные технологии
|
||
|
||
* Язык программирования `python`
|
||
* Библиотеки `numpy, sklearn, matplotlib`
|
||
* Среда разработки `PyCharm`
|
||
|
||
### Что делает программа?
|
||
|
||
Генерирует набор данных для классификации с помощью make_classification.
|
||
Обучает на них 3 модели:
|
||
|
||
- Линейную регрессию
|
||
- Персептрон
|
||
- Гребневую полиномиальную регрессию (со степенью 3, alpha = 1.0)
|
||
|
||
Собирает итоговые оценки моделей:
|
||
|
||
- Линейная регрессия - коэффициент детерминации R2
|
||
- Персептрон - средняя точность по заданным тестовым данным
|
||
- Гребневая полиномиальная регрессия - Перекрёстная проверка
|
||
|
||
|
||
|
||
Лучший результат показала модель персептрона
|
||
|