32 lines
3.2 KiB
Markdown
32 lines
3.2 KiB
Markdown
# IIS_2023_1
|
||
### Задание
|
||
Использовать регрессию по вариантудля данных из таблицы 1 по варианту(таблица 10),самостоятельно сформулировав задачу. Оценить, насколько хорошо онаподходит для решения сформулированной вамизадачи.
|
||
|
||
4. Гребневая регрессия.
|
||
|
||
### Способ запуска лабораторной работы
|
||
Выполнить скрипт `shadaev_anton_lab_5/main.py`, после которого построится график.
|
||
|
||
### Стек технологий
|
||
* `Python`: v. 3.11
|
||
* `Pandas` - библиотека, которая позволяет работать с двумерными и многомерными таблицами, строить сводные таблицы, выделять колонки, использовать фильтры по параметрам, выполнять группировку по параметрам, запускать функции (сложение, нахождение медианы, среднего, минимального, максимального значений), объединять таблицы и многое другое
|
||
* `Sklearn` - предоставляет ряд инструментов для моделирования данных, включая классификацию, регрессию, кластеризацию и уменьшение размерности.
|
||
* `Matplotlib` - это библиотека для визуализации данных в Python, предоставляющая инструменты для создания статических, анимированных и интерактивных графиков и диаграмм.
|
||
|
||
### Описание кода
|
||
1. Импортирование необходимых библиотек.
|
||
2. Выделение необходимых признаков.
|
||
3. Разделение данных на обучающие и тестовые.
|
||
4. Обучение и прогнозирование модели, применение алгоритма гребневой регрессии.
|
||
5. Вычисление метрик (среднеквадратичная ошибка и коэффициент детерминации).
|
||
6. Визуализация данных.
|
||
|
||
График:
|
||
|
||
|
||
|
||
### Вывод
|
||
* Среднеквадратичная ошибка = 0.179 (низкий), что говорит нам о том, что тестовые и предсказанные значения получились довольно точными.
|
||
* Коэффициент детерминации = 0.01, что означает, что только 1% дисперсии зависимой переменной может быть объяснено моделью. Это очень низкое значение, что указывает на то, что модель не очень хорошо объясняет данные.
|
||
|
||
Таким образом, гребневая регрессия не может быть применена к нашей задаче. |