64 lines
3.4 KiB
Markdown
64 lines
3.4 KiB
Markdown
# Лабораторная работа №1: Работа с типовыми наборами данных и различными моделями
|
||
## Задание. Вариант 7
|
||
Всего вариантов 21, мой вариант 28, поэтому взял 7 вариант
|
||
|
||
Задание:
|
||
Используя код из пункта «Регуляризация и сеть прямого распространения»из [1](стр. 228), сгенерируйте определенный тип
|
||
данных и сравните на нем 3 модели (по варианту). Постройте графики, отобразите качество моделей, объясните полученные
|
||
результаты.
|
||
|
||
7. Данные: make_moons (noise=0.3, random_state=rs) Модели:
|
||
· Персептрон
|
||
· Многослойный персептрон с 10-ю нейронами в скрытом слое (alpha = 0.01)
|
||
· Многослойный персептрон со 100-а нейронами в скрытом слое (alpha = 0.01)
|
||
|
||
## Описание программы
|
||
|
||
Программа создает и сравнивает три модели машинного обучения на основе датасета make_moons с использованием библиотеки
|
||
scikit-learn. Сравниваются следующие модели:
|
||
|
||
1. Персептрон
|
||
2. Многослойный персептрон с 10 нейронами в скрытом слое (alpha = 0.01)
|
||
3. Многослойный персептрон с 100 нейронами в скрытом слое (alpha = 0.01)
|
||
|
||
## Как запустить лабораторную работу
|
||
|
||
1. Установите необходимые библиотеки:
|
||
|
||
```bash
|
||
pip install numpy matplotlib scikit-learn
|
||
```
|
||
|
||
2. Запустите скрипт:
|
||
|
||
```bash
|
||
python main.py
|
||
```
|
||
|
||
3. После выполнения программы будет создан файл "models.png" с тремя графиками, представляющими результаты каждой модели.
|
||
|
||
## Использованные технологии
|
||
|
||
- Python
|
||
- scikit-learn
|
||
- Matplotlib
|
||
|
||
## Что программа делает
|
||
|
||
Программа генерирует датасет make_moons, разделяет его на обучающий и тестовый наборы, затем обучает и сравнивает
|
||
три модели машинного обучения. Результаты представлены в виде точности каждой модели и трех графиков.
|
||
|
||
## Тесты
|
||
|
||
|
||
|
||
## Вывод
|
||
|
||
_Полученные результаты показывают, что многослойный персептрон с 100 нейронами в скрытом слое демонстрирует наивысшую
|
||
точность среди рассмотренных моделей. В то время как простой персептрон и многослойный персептрон с 10 нейронами в
|
||
скрытом слое показывают приемлемую, но более низкую точность. Таким образом, увеличение числа нейронов в скрытом
|
||
слое существенно повысило производительность модели._
|
||
|
||
---
|
||
|