42 lines
2.8 KiB
Markdown
42 lines
2.8 KiB
Markdown
# Лаб 5 Регрессия
|
||
|
||
Использовать регрессию по варианту для данных из датасета курсовой
|
||
Predict students' dropout and academic success (отсев студентов),
|
||
самостоятельно сформулировав задачу. Оценить, насколько хорошо она подходит
|
||
для решения сформулированной вами задачи.
|
||
|
||
# Вариант 3
|
||
|
||
Лассо-регрессия
|
||
|
||
# Запуск
|
||
|
||
Выполнением скрипта файла (вывод в консоль).
|
||
|
||
# Описание модели:
|
||
|
||
Лассо (Lasso) — это метод регрессионного анализа, который используется в статистике и
|
||
машинном обучении для предсказания значения зависимой переменной.
|
||
|
||
Регрессия Лассо использует регуляризацию L1 для добавления штрафа, равного абсолютному
|
||
значению коэффициентов. Это уменьшает некоторые коэффициенты и устанавливает другие равными 0,
|
||
выполняя автоматический выбор функции. Обычная регрессия не имеет регуляризации.
|
||
|
||
# Задача регрессии
|
||
Для прогнозирования отсева учащихся и набора данных об успеваемости спрогнозируйте отсев
|
||
используя регрессию Лассо для признаков
|
||
'Curricular units 2nd sem (approved)' - (Учебные блоки 2-го семестра (утверждены))
|
||
'Curricular units 2nd sem (grade)' - (Учебные блоки 2-го семестра (класс))
|
||
'Tuition fees up to date' - (Стоимость обучения")
|
||
|
||
# Результаты
|
||
Точность регрессии для вышеперечисленных признаков составили 0.6256 (alpha = 0.01)
|
||
При изменении коэффициента регуляризации в диапозоне от 0.01 до 1.5 наблюдается только ухудшение качества
|
||
модели, таким образом для заданных параметров подходит больше обычная модель линейной регрессии, так как
|
||
по этим признакам судя по результатам наблюдается линейная зависимость.
|
||
Для этих признаков модель регрессии подходит плохо, нужно искать другую.
|
||
|
||
<p>
|
||
<div>График</div>
|
||
<img src="screens/myplot.png" width="650" title="График">
|
||
</p> |