IIS_2023_1/zhukova_alina_lab_1/readme.md

Задание

Работа с типовыми наборами данных и различными моделями. Сгенерируйте определенный тип данных и сравните на нем 3 модели

Вариант №10

Данные: make_moons (noise=0.3, random_state=rs)

Модели:

• Линейная регрессия
• Многослойный персептрон с 10-ю нейронами в скрытом слое (alpha = 0.01)
• Многослойный персептрон со 100-а нейронами в скрытом слое (alpha = 0.01)

Используемые технологии

В лабораторной были использованы библиотеки:

• numpy - позволяет работать с массивами и матрицами
• matplotlib - используется для создания графиков
• sklearn - используется для работы с моделями машинного обучения
• Flask - предоставляет способ быстрого создания веб-страниц для визуализации работы приложения

Как запустить

Запустить файл flask-server, который поднимет локальный сервер и позволит обратиться к программе через браузер по ссылке http://127.0.0.1:5000/

Что делает программа

Генерирует набор данных типа луны (moons), делит его на обучающую и тестовую выборки. По очереди обучает на данных обучающей выборки 3 модели: модель линейной регрессии, модель многослойного перцептрона с 10 нейронами в скрытом слое и модель многослойного перцептрона со 100 нейронами в скрытом слое.

После обучения проверяются предсказания моделей на тестовых данных. Строится три графика, по одному для каждой модели, где #FF0000, #0000FF - точки обучающей выборки первого и второго типа.

#FF000066, #0000FF66 - точки тестовой выборки первого и второго типа

#FFFF00 - линия по которой модель разделила данные на группы

Далее программа выведет оценки точности моделей. Полученные оценки:

• Линейная регрессия - 0.68
• Перцептрон с 10 нейронами в скрытом слое - 0.95
• Перцоптрон со 100 нейронами в скрытом слое - 0.95

Так как для двух последних моделей оценки оказались одинаковы, я сравнила их точность на всех данных, а не только на тестовой выборке.

• Точность Перцептрона с 10 нейронами в скрытом слое - 0.91
• Точность Перцептрона со 100 нейронами в скрытом слое - 0.95

Скриншоты работы программы

Главная страница в браузере (доступ по ссылке http://127.0.0.1:5000/)

Полученные графики разбиения точек на классы

Линейная регрессия - Перцептрон 10 нейронов - Перцептрон 100 нейронов

Вывод анализа точности работы моделей