IIS_2023_1/arzamaskina_milana_lab_1

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.