https://github.com/lexxai/goit_python_ds_hw_04

Модуль 4. Класифікація та оцінка роботи моделі. Лінійна регресія: перенавчання та регуляризація
https://github.com/lexxai/goit_python_ds_hw_04

lasso-regression linear-regression numpy pandas python red regression ridge-regression scikit-learn

Last synced: 7 days ago
JSON representation

Модуль 4. Класифікація та оцінка роботи моделі. Лінійна регресія: перенавчання та регуляризація

• Host: GitHub
• URL: https://github.com/lexxai/goit_python_ds_hw_04
• Owner: lexxai
• License: mit
• Created: 2024-01-17T16:04:43.000Z (about 1 year ago)
• Default Branch: main
• Last Pushed: 2024-02-04T09:14:54.000Z (12 months ago)
• Last Synced: 2024-11-24T06:13:53.109Z (2 months ago)
• Topics: lasso-regression, linear-regression, numpy, pandas, python, red, regression, ridge-regression, scikit-learn
• Language: Jupyter Notebook
• Homepage:
• Size: 1.3 MB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# Модуль 4. Класифікація та оцінка роботи моделі. Лінійна регресія: перенавчання та регуляризація

## Домашнє завдання

*З циклу [домашніх завдань Python Data Science](https://github.com/lexxai/goit_python_data_sciense_homework).*

На цей раз вам потрібно виконати завдання з [цього ноутбука](goit_ds_hw04_OverfittingHomeWork_task_UA.ipynb). Для вирішення запропонованих завдань вам також потрібно [завантажити датасет](bikes_rent.csv) з даними про оренду велосипедів.

### Лінійна регресія: перенавчання та регуляризація

У цьому завданні ми на прикладах побачимо, як перенавчаються лінійні моделі, розберемо, чому так відбувається, і з'ясуємо, як діагностувати та контролювати перенавчання.

У всіх комірках, де написаний коментар з інструкціями, потрібно написати код, що виконує ці інструкції. Решту клітинок із кодом (без коментарів) потрібно просто виконати. Крім того, у завданні потрібно відповідати на запитання; відповіді потрібно вписувати після виділеного слова "Відповідь:".

Ми працюватимемо з датасетом "bikes_rent.csv", у якому по днях записано календарну інформацію та погодні умови, що характеризують автоматизовані пункти прокату велосипедів, а також кількість прокатів у цей день. Останнє ми будемо передбачати; таким чином, ми будемо розв'язувати задачу регресії.

...

### Результати: 

- [goit_ds_hw04.ipynb](goit_ds_hw04.ipynb)  

- [Colab](https://colab.research.google.com/drive/1otKalMd-lBHc3FfdUzYmAJvcr3UAxpXH?usp=sharing)