3.2 KiB
Задание
Работа с типовыми наборами данных и различными моделями. Сгенерируйте определенный тип данных и сравните на нем 3 модели
Вариант №2
Данные: make_circles(noise=0.2, factor=0.5, random_state=1)
Модели:
- Линейная регрессия
- Полиномиальная регрессия (degree=3)
- Гребневая рекрессия (degree=3, alpha=1.0)
Используемые технологии
В лабораторной были использованы библиотеки:
- matplotlib - используется для создания графиков
- sklearn - используется для работы с моделями машинного обучения
Как запустить
Запустить файл main.py, который выполнит необходимые действия над моделями и выведет графики на экран.
Что делает программа
Генерирует набор данных типа circles, делит его на обучающую и тестовую выборки. По очереди обучает на данных обучающей выборки 3 модели: модель линейной регрессии, модель полиномиальной регрессии со степенью 3 и модель гребневой регрессии со степенью 3 и alpha=1.0.
После обучения предсказания моделей проверяются на тестовых данных.
Строится 4 графика, один для отображения первоначальных тестовых и обучающих данных, где:
o - точки обучающей выборки первого и второго типа.
x - точки тестовой выборки первого и второго типа.
И по одному графику для каждой модели, где:
o - точки тестовой выборки первого и второго типа.
Далее программа выведет оценки точности моделей. Полученные оценки:
- Линейная регрессия - 0.268
- Полиномиальная регрессия со степенью 3 - 0.134
- Гребневая регрессия со степенью 3, alpha=1.0 - 0.131
Скриншоты работы программы
График для отображения первоначальных тестовых и обучающих данных и полученные графики разбиения точек на классы:
Линейная регрессия - Полиномиальная регрессия (со степенью 3) - Гребневая регрессия (со степенью 3, alpha=1.0)
Вывод анализа точности работы моделей:
Вывод
Исходя из этого, можно сделать вывод: лучший результат показала модель линейной регрессии.