Построение моделей в Python

Официальный сайт проекта

https://scikit-learn.org/

Список методов обучения с учителем:

https://scikit-learn.org/stable/supervised_learning.html#supervised-learning

Пример линейной модели: (https://scikit-learn.org/stable/modules/linear_model.html)

Импорт функций

Выгрузим данные «Ирис»:

Создадим переменные Y и  X:

Создадим объект типа линейная модель:

Оценим параметры модели:

Качество модели:

Оцененные параметры:

Для того, чтобы изменить тип оцениваемой модели (например на ридж-регрессии) достаточно изменить тип создаваемого объекта:

Метрики качества модели (https://scikit-learn.org/stable/modules/classes.html#regression-metrics):

Можно перечислить функции, которые мы импортируем в рабочее пространство:

После этого становятся доступны следующие команды:

Для доступности последнего метода можно импортировать все объекты из метрик пакета sklearn (но обычно так делать не рекомендуется для избегания конфликтов в пространстве имен):

Теперь данный метод доступен:

Задание

используя данные по «ирисам» построить модели

1. Байесовскую ридж-регрессию (Bayesian Ridge Regression)
2. Модель Lasso
3. Модель Персептрона (Perceptron)
4. Классифицируйте данные  при помощи метода опорных векторов (SVM)
5. Кластеризуйте данные с использование метода k- средних