examples/linear_regression_example.py - master - LeonBlue/ML_algos_from_scratch_python

examples/linear_regression_example.py

57 строк2 KB

LeonBlue

Минимальный набор алгоритмов для начала работы

03 дек 2025, 18:50

03 дек 2025, 18:5028b87a5

"""
Пример использования линейной регрессии
"""

import numpy as np
import sys
import os

# Добавляем путь к корню проекта
sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))

from ml_algorithms.supervised import LinearRegression
from ml_algorithms.utils.metrics import mean_squared_error, r2_score
from ml_algorithms.utils.preprocessing import StandardScaler


def main():
    # Генерация синтетических данных
    np.random.seed(42)
    n_samples = 100
    n_features = 1
    
    X = np.random.randn(n_samples, n_features) * 10
    # y = 2*X + 3 + шум
    y = 2 * X.flatten() + 3 + np.random.randn(n_samples) * 2
    
    # Разделение на обучающую и тестовую выборки
    split_idx = int(0.8 * n_samples)
    X_train, X_test = X[:split_idx], X[split_idx:]
    y_train, y_test = y[:split_idx], y[split_idx:]
    
    # Нормализация данных
    scaler = StandardScaler()
    X_train_scaled = scaler.fit_transform(X_train)
    X_test_scaled = scaler.transform(X_test)
    
    # Обучение модели
    model = LinearRegression(method='normal_equation')
    model.fit(X_train_scaled, y_train)
    
    # Предсказания
    y_pred = model.predict(X_test_scaled)
    
    # Оценка качества
    mse = mean_squared_error(y_test, y_pred)
    r2 = r2_score(y_test, y_pred)
    
    print("Линейная регрессия")
    print("=" * 50)
    print(f"Коэффициенты: {model.coef_}")
    print(f"Свободный член: {model.intercept_:.4f}")
    print(f"MSE: {mse:.4f}")
    print(f"R²: {r2:.4f}")


if __name__ == "__main__":
    main()