1. Загрузить данные в среду Python. Например с помощью
from sklearn.datasets import load_breast_cancer
cancer = load_breast_cancer()
Данные можно брать и на репозитории
https://archive.ics.uci.edu/ml/index.phpДолжна решаться задача регрессии
1. Описать задачу. (Входы, выходы, суть задачи и что должно быть в результате)
2. Кратко описать суть методов: линейная регрессия (метод наименьших квадратов),
гребневая регрессия, лассо.
3. Решить задачу с помощью линейной регрессии (метод наименьших квадратов)
-с помощью кросс-валидации и решетчатого поиска найти эффективные параметры
-построить выход по тестовой выборке с помощью эффективных параметров
4. Решить задачу с помощью гребневой линейной регрессии
-с помощью кросс-валидации и решетчатого поиска найти эффективные параметры
-построить выход по тестовой выборке с помощью эффективных параметров
5. Решить задачу с помощью линейной регрессии (метод лассо)
-с помощью кросс-валидации и решетчатого поиска найти эффективные параметры
-построить выход по тестовой выборке с помощью эффективных параметров
6. Сравнить полученные результаты и представить их на графике.
7. Сделать выводы о применимости моделей. Оформить отчет.
Аналогичным образом решить задачу классификации используя линейные модели.
