51 lines
2.2 KiB
ObjectPascal
51 lines
2.2 KiB
ObjectPascal
|
// В этом примере сравниваются две модели на нелинейной задаче:
|
|||
|
|
// линейная регрессия и дерево решений для регрессии.
|
|||
|
|
//
|
|||
|
|
// Линейная модель умеет строить только одну общую прямую зависимость.
|
|||
|
|
// Дерево решений разбивает пространство признаков на области
|
|||
|
|
// и в каждой области даёт свой локальный прогноз.
|
|||
|
|
|
|||
|
|
uses MLABC;
|
|||
|
|
|
|||
|
|
begin
|
|||
|
|
var (X, y) := Datasets.MakeRegression(
|
|||
|
|
n := 300,
|
|||
|
|
nFeatures := 2,
|
|||
|
|
nInformative := 2,
|
|||
|
|
noise := 0.15,
|
|||
|
|
coefScale := 1.0,
|
|||
|
|
bias := 0.0,
|
|||
|
|
nonlinearStrength := 4.0,
|
|||
|
|
shuffle := True,
|
|||
|
|
seed := 42
|
|||
|
|
);
|
|||
|
|
|
|||
|
|
var (XTrain, XTest, yTrain, yTest) := Validation.TrainTestSplit(
|
|||
|
|
X, y, testRatio := 0.3, seed := 42
|
|||
|
|
);
|
|||
|
|
|
|||
|
|
var linear := new LinearRegression;
|
|||
|
|
linear.Fit(XTrain, yTrain);
|
|||
|
|
|
|||
|
|
// При minSamplesLeaf = 5 узел должен содержать хотя бы 10 объектов,
|
|||
|
|
// чтобы его можно было разделить на два листа не меньше чем по 5 объектов.
|
|||
|
|
var tree := new DecisionTreeRegressor(maxDepth := 6, minSamplesSplit := 10, minSamplesLeaf := 5);
|
|||
|
|
tree.Fit(XTrain, yTrain);
|
|||
|
|
|
|||
|
|
var yPredLinear := linear.Predict(XTest);
|
|||
|
|
var yPredTree := tree.Predict(XTest);
|
|||
|
|
|
|||
|
|
var r2Linear := RegressionMetrics.R2(yTest, yPredLinear);
|
|||
|
|
var r2Tree := RegressionMetrics.R2(yTest, yPredTree);
|
|||
|
|
|
|||
|
|
Println('Сравнение моделей на нелинейной зависимости');
|
|||
|
|
Println;
|
|||
|
|
Println($'Линейная регрессия: R² = {r2Linear:F3}');
|
|||
|
|
Println($'Дерево решений: R² = {r2Tree:F3}');
|
|||
|
|
Println;
|
|||
|
|
Println('Интерпретация результата:');
|
|||
|
|
Println('- Линейная регрессия пытается описать всю зависимость одной формулой.');
|
|||
|
|
Println('- Дерево решений умеет подстраиваться под разные участки данных.');
|
|||
|
|
Println('- Поэтому на нелинейной задаче дерево обычно работает лучше.');
|
|||
|
|
end.
|