{"id":437719,"date":"2024-11-07T21:15:25","date_gmt":"2024-11-07T21:15:25","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=437719"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=437719","title":{"rendered":"<span>Tribuo \u0438 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f: \u043a\u0430\u043a \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 Java<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!<\/p>\n<p>\u0412\u00a0\u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043d\u0430\u0448 \u0432\u0437\u043e\u0440 \u0443\u043f\u0430\u0434\u0435\u0442 \u043d\u0430\u00a0\u043d\u0430 <strong>Tribuo<\/strong>\u00a0\u2014 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043d\u0430\u00a0Java \u043e\u0442\u00a0Oracle.<\/p>\n<p><strong>Tribuo<\/strong> \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0434\u043b\u044f\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438, \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438, \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u043c\u043d\u043e\u0433\u043e\u0433\u043e \u0434\u0440\u0443\u0433\u043e\u0433\u043e. \u041d\u043e\u00a0\u0441\u0435\u0433\u043e\u0434\u043d\u044f \u043c\u044b \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0438\u043c\u0441\u044f \u043d\u0430\u00a0\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438\u00a0\u2014 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f. \u041e\u0434\u043d\u0438\u043c \u0438\u0437\u00a0\u0433\u043b\u0430\u0432\u043d\u044b\u0445 \u043f\u043b\u044e\u0441\u043e\u0432 Tribuo \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0435\u0451 \u0443\u0434\u043e\u0431\u043d\u044b\u0439 API, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442\u00a0\u0431\u044b\u0441\u0442\u0440\u043e \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0438\u0445 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c.<\/p>\n<h4>\u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0430 \u0438 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0440\u043e\u0435\u043a\u0442\u0430<\/h4>\n<p>\u041d\u0430\u0447\u043d\u0451\u043c \u0441\u00a0\u0441\u0430\u043c\u043e\u0433\u043e \u043d\u0430\u0447\u0430\u043b\u0430\u00a0\u2014 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 \u043f\u0440\u043e\u0435\u043a\u0442\u0430. \u0414\u043b\u044f\u00a0\u0440\u0430\u0431\u043e\u0442\u044b \u0441\u00a0Tribuo \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f <strong>Java 11<\/strong> \u0438\u043b\u0438\u00a0\u043d\u043e\u0432\u0435\u0435. \u0422\u0430\u043a\u0436\u0435 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c <strong>Maven<\/strong> \u0434\u043b\u044f\u00a0\u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044f\u043c\u0438. \u0415\u0441\u043b\u0438 \u0432\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0435 \u0434\u0440\u0443\u0433\u0443\u044e \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0441\u0431\u043e\u0440\u043a\u0438, \u0442\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u044b \u043e\u0441\u0442\u0430\u043d\u0443\u0442\u0441\u044f \u0442\u0435\u043c\u0438\u00a0\u0436\u0435, \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u0438\u043d\u0442\u0430\u043a\u0441\u0438\u0441 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439 \u0431\u0443\u0434\u0435\u0442 \u0434\u0440\u0443\u0433\u0438\u043c.<\/p>\n<p>\u0414\u043e\u0431\u0430\u0432\u0438\u043c Tribuo \u0432\u00a0\u043d\u0430\u0448 <code>pom.xml<\/code>:<\/p>\n<pre><code class=\"xml\">&lt;dependencies&gt;     &lt;!-- Tribuo Core --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-all&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt;     &lt;!-- \u0414\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0441 CSV --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-data&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt;     &lt;!-- \u0414\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-regression-linear&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt;     &lt;!-- \u0414\u043b\u044f CART \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-regression-cart&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt; &lt;\/dependencies&gt;<\/code><\/pre>\n<p>\u041e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u043c \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u0438 \u0432\u0441\u0435 \u0433\u043e\u0442\u043e\u0432\u043e!<\/p>\n<h2>\u041f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445<\/h2>\n<p>\u0420\u0430\u0431\u043e\u0442\u0430 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u2014 \u044d\u0442\u043e \u043f\u0435\u0440\u0432\u044b\u0439 \u0438 \u043e\u0434\u0438\u043d \u0438\u0437 \u0441\u0430\u043c\u044b\u0445 \u0432\u0430\u0436\u043d\u044b\u0445 \u0448\u0430\u0433\u043e\u0432 \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438. \u0414\u043b\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u0430 \u0432\u043e\u0437\u044c\u043c\u0451\u043c \u043f\u0440\u043e\u0441\u0442\u043e\u0439 CSV-\u0444\u0430\u0439\u043b \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u043e \u0446\u0435\u043d\u0430\u0445 \u0434\u043e\u043c\u043e\u0432:<\/p>\n<pre><code>square_feet,rooms,has_garage,price 1200,3,1,250000 1400,3,0,300000 1600,4,1,350000 ...<\/code><\/pre>\n<p>\u0417\u0434\u0435\u0441\u044c:<\/p>\n<ul>\n<li>\n<p><code>square_feet<\/code> \u2014 \u043f\u043b\u043e\u0449\u0430\u0434\u044c \u0434\u043e\u043c\u0430 \u0432 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u043d\u044b\u0445 \u0444\u0443\u0442\u0430\u0445,<\/p>\n<\/li>\n<li>\n<p><code>rooms<\/code> \u2014 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u043e\u043c\u043d\u0430\u0442,<\/p>\n<\/li>\n<li>\n<p><code>has_garage<\/code> \u2014 \u043d\u0430\u043b\u0438\u0447\u0438\u0435 \u0433\u0430\u0440\u0430\u0436\u0430 (1 \u2014 \u0435\u0441\u0442\u044c, 0 \u2014 \u043d\u0435\u0442),<\/p>\n<\/li>\n<li>\n<p><code>price<\/code> \u2014 \u0446\u0435\u043d\u0430 \u0434\u043e\u043c\u0430 (\u0446\u0435\u043b\u0435\u0432\u0430\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f).<\/p>\n<\/li>\n<\/ul>\n<p>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <strong>CSVLoader<\/strong> \u0434\u043b\u044f \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445:<\/p>\n<pre><code class=\"java\">import org.tribuo.data.csv.CSVLoader; import org.tribuo.data.csv.CSVDataSource; import org.tribuo.regression.Regressor; import org.tribuo.regression.RegressorFactory;  import java.nio.file.Paths;  public class DataLoader {     public static CSVDataSource&lt;Regressor&gt; loadData(String filePath, String targetColumn) throws IOException {         CSVLoader&lt;Regressor&gt; loader = new CSVLoader&lt;&gt;(new RegressorFactory());         return loader.loadData(Paths.get(filePath), targetColumn);     } }<\/code><\/pre>\n<p>\u041f\u043e\u0441\u043b\u0435 \u044d\u0442\u043e\u0433\u043e \u043d\u0443\u0436\u043d\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435, \u0447\u0442\u043e\u0431\u044b \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u043d\u0435\u0432\u0438\u0434\u0438\u043c\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <strong>TrainTestSplitter<\/strong>:<\/p>\n<pre><code class=\"java\">import org.tribuo.data.split.TrainTestSplitter; import org.tribuo.regression.Regressor; import org.tribuo.data.dataset.Dataset;  public class DataSplitter {     public static TrainTestSplitter&lt;Regressor&gt; splitData(Dataset&lt;Regressor&gt; data, double trainFraction, long seed) {         return new TrainTestSplitter&lt;&gt;(data, trainFraction, seed);     } }<\/code><\/pre>\n<p><strong>trainFraction<\/strong> \u2014 \u0434\u043e\u043b\u044f \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 0.7 \u0434\u043b\u044f 70%), \u0430 <strong>seed<\/strong> \u2014 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0435 \u0437\u0435\u0440\u043d\u043e \u0434\u043b\u044f \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438.<\/p>\n<h2>\u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u043e\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438<\/h2>\n<p>\u0422\u0435\u043f\u0435\u0440\u044c \u043f\u0435\u0440\u0435\u0439\u0434\u0435\u043c \u043a \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044e \u043c\u043e\u0434\u0435\u043b\u0435\u0439. \u041d\u0430\u0447\u043d\u0451\u043c \u0441 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438.<\/p>\n<pre><code class=\"java\">import org.tribuo.Model; import org.tribuo.regression.Regressor; import org.tribuo.regression.linear.LinearRegressionTrainer;  public class LinearRegressionModel {     public static Model&lt;Regressor&gt; trainModel(Dataset&lt;Regressor&gt; trainData) {         LinearRegressionTrainer trainer = new LinearRegressionTrainer(0.01, LinearRegressionTrainer.LossType.SQUARED);         return trainer.train(trainData);     } }<\/code><\/pre>\n<p><strong>LinearRegressionTrainer<\/strong> \u2014 \u0442\u0440\u0435\u043d\u0435\u0440 \u0434\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438. <strong>LossType.SQUARED<\/strong> \u2014 \u0442\u0438\u043f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0442\u0435\u0440\u044c (\u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u0430\u044f).<\/p>\n<p>\u0414\u043b\u044f \u0431\u043e\u043b\u0435\u0435 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c <strong>CARTRegressionTrainer<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0440\u0435\u0430\u043b\u0438\u0437\u0443\u0435\u0442 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0445 \u043b\u0435\u0441\u043e\u0432.<\/p>\n<pre><code class=\"java\">import org.tribuo.regression.cart.CARTRegressionTrainer;  public class RandomForestRegressionModel {     public static Model trainModel(Dataset trainData, int numTrees) {         CARTRegressionTrainer trainer = new CARTRegressionTrainer(numTrees);         return trainer.train(trainData);     } }<\/code><\/pre>\n<p><strong>numTrees<\/strong> \u2014 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u0435\u0440\u0435\u0432\u044c\u0435\u0432 \u0432 \u043b\u0435\u0441\u0443.<\/p>\n<h4>\u041e\u0446\u0435\u043d\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0438<\/h4>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u0430\u0436\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u044c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u043d\u0430 \u0445\u043e\u0440\u043e\u0448\u0430. \u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <strong>RegressionEvaluator<\/strong>.<\/p>\n<pre><code class=\"java\">import org.tribuo.regression.RegressionEvaluator; import org.tribuo.Model; import org.tribuo.regression.Regressor;  public class ModelEvaluator {     public static void evaluateModel(Model model, Dataset testData) {         RegressionEvaluator evaluator = new RegressionEvaluator();         var evaluation = evaluator.evaluate(model, testData);         System.out.println(evaluation);     } }<\/code><\/pre>\n<p><strong>evaluate<\/strong> \u2014 \u043c\u0435\u0442\u043e\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0438 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u0435\u0442\u0440\u0438\u043a\u0438.<\/p>\n<h4>\u041f\u0440\u0438\u043c\u0435\u0440 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0446\u0435\u043d \u043d\u0430 \u0434\u043e\u043c\u0430<\/h4>\n<p>\u0421\u043e\u0431\u0435\u0440\u0451\u043c \u0432\u0441\u0451 \u0432\u043c\u0435\u0441\u0442\u0435 \u0438 \u0441\u043e\u0437\u0434\u0430\u0434\u0438\u043c \u043f\u043e\u043b\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440.<\/p>\n<pre><code class=\"java\">import org.tribuo.Model; import org.tribuo.data.csv.CSVDataSource; import org.tribuo.data.dataset.Dataset; import org.tribuo.data.split.TrainTestSplitter; import org.tribuo.regression.Regressor; import org.tribuo.regression.RegressionEvaluator; import org.tribuo.regression.linear.LinearRegressionTrainer; import org.tribuo.regression.cart.CARTRegressionTrainer;  import java.io.IOException;  public class HousePricePrediction {     public static void main(String[] args) {         try {             \/\/ \u0428\u0430\u0433 1: \u0417\u0430\u0433\u0440\u0443\u0437\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445             CSVDataSource dataSource = DataLoader.loadData(\"house_prices.csv\", \"price\");             Dataset data = dataSource.getDataset();              \/\/ \u0428\u0430\u0433 2: \u0420\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445             TrainTestSplitter splitter = DataSplitter.splitData(data, 0.7, 42L);             Dataset trainData = splitter.getTrainingDataset();             Dataset testData = splitter.getTestDataset();              \/\/ \u0428\u0430\u0433 3: \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438             Model linearModel = LinearRegressionModel.trainModel(trainData);             System.out.println(\"\u041b\u0438\u043d\u0435\u0439\u043d\u0430\u044f \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0430!\");              \/\/ \u0428\u0430\u0433 4: \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 Random Forest \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438             Model rfModel = RandomForestRegressionModel.trainModel(trainData, 100);             System.out.println(\"Random Forest \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0430!\");              \/\/ \u0428\u0430\u0433 5: \u041e\u0446\u0435\u043d\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439             System.out.println(\"\u041e\u0446\u0435\u043d\u043a\u0430 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438:\");             ModelEvaluator.evaluateModel(linearModel, testData);              System.out.println(\"\u041e\u0446\u0435\u043d\u043a\u0430 Random Forest \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438:\");             ModelEvaluator.evaluateModel(rfModel, testData);          } catch (IOException e) {             System.err.println(\"\u041e\u0448\u0438\u0431\u043a\u0430 \u043f\u0440\u0438 \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u0434\u0430\u043d\u043d\u044b\u0445: \" + e.getMessage());         }     } }<\/code><\/pre>\n<h4>\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0442\u0440\u0435\u043d\u0435\u0440\u0430<\/h4>\n<p>Tribuo \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0442\u044c \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0442\u0440\u0435\u043d\u0435\u0440\u0430. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0434\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0438\u0442\u044c:<\/p>\n<ul>\n<li>\n<p><strong>Learning Rate (\u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f)<\/strong>: \u0412\u043b\u0438\u044f\u0435\u0442 \u043d\u0430 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0441\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>Loss Type (\u0442\u0438\u043f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0442\u0435\u0440\u044c)<\/strong>: \u041f\u043e\u043c\u0438\u043c\u043e \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u043e\u0439, \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b \u0434\u0440\u0443\u0433\u0438\u0435 \u0442\u0438\u043f\u044b, \u0442\u0430\u043a\u0438\u0435 \u043a\u0430\u043a \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430.<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u0440\u0438\u043c\u0435\u0440 \u0441 \u0434\u0440\u0443\u0433\u0438\u043c\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438:<\/p>\n<pre><code class=\"java\">LinearRegressionTrainer trainer = new LinearRegressionTrainer(     0.05, \/\/ \u041a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f     LinearRegressionTrainer.LossType.HUBER, \/\/ \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c \u0425\u044c\u044e\u0431\u0435\u0440\u0430     1.0 \/\/ \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 delta \u0434\u043b\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0425\u044c\u044e\u0431\u0435\u0440\u0430 );<\/code><\/pre>\n<h4>\u041a\u0430\u043a \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/h4>\n<p>\u041a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044f \u2014 \u043c\u043e\u0449\u043d\u044b\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 \u0434\u043b\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u0412\u043d\u0435\u0434\u0440\u0438\u043c 5-\u043a\u0440\u0430\u0442\u043d\u0443\u044e \u043a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044e.<\/p>\n<pre><code class=\"java\">import org.tribuo.data.cross.CrossValidator; import org.tribuo.data.cross.CrossValidationResult; import org.tribuo.regression.Regressor;  public class CrossValidationExample {     public static void performCrossValidation(Dataset data, int folds) {         LinearRegressionTrainer trainer = new LinearRegressionTrainer(0.01, LinearRegressionTrainer.LossType.SQUARED);         CrossValidator crossValidator = new CrossValidator&amp;lt;&amp;gt;(trainer, folds);         CrossValidationResult result = crossValidator.evaluate(data);         System.out.println(result);     } }<\/code><\/pre>\n<p><strong>folds<\/strong> \u2014 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u0439 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 5 \u0434\u043b\u044f 5-\u043a\u0440\u0430\u0442\u043d\u043e\u0439 \u043a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u0438). <strong>evaluate<\/strong> \u2014 \u043c\u0435\u0442\u043e\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0435\u0442 \u043a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044e \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442.<\/p>\n<h4>\u041a\u0430\u043a \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u0442\u044c \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b<\/h4>\n<p>\u041f\u043e\u0434\u0431\u043e\u0440 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043c\u043e\u0436\u0435\u0442 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u0443\u0441\u0442\u0430\u043d\u0443\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0438. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0441 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c Grid Search.<\/p>\n<pre><code class=\"java\">import org.tribuo.regression.linear.LinearRegressionTrainer; import org.tribuo.Model; import org.tribuo.regression.Regressor;  public class HyperparameterTuning {     public static void gridSearch(Dataset trainData, Dataset testData) {         double[] learningRates = {0.001, 0.01, 0.1};         LinearRegressionTrainer.LossType[] lossTypes = {             LinearRegressionTrainer.LossType.SQUARED,             LinearRegressionTrainer.LossType.HUBER         };          for (double lr : learningRates) {             for (LinearRegressionTrainer.LossType lt : lossTypes) {                 LinearRegressionTrainer trainer = new LinearRegressionTrainer(lr, lt);                 Model model = trainer.train(trainData);                 RegressionEvaluator evaluator = new RegressionEvaluator();                 var evaluation = evaluator.evaluate(model, testData);                 System.out.println(\"Learning Rate: \" + lr + \", Loss Type: \" + lt);                 System.out.println(evaluation);             }         }     } }<\/code><\/pre>\n<p>\u041f\u0435\u0440\u0435\u0431\u0438\u0440\u0430\u0435\u043c \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f <strong>learning rate<\/strong> \u0438 <strong>loss type<\/strong>, \u043f\u043e\u0441\u043b\u0435 \u0447\u0435\u0433\u043e \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0438 \u0438 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u043c \u0435\u0451 \u043d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<h4>\u0412\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432<\/h4>\n<p>\u0412 \u0441\u0430\u043c\u043e\u043c Tribuo \u043d\u0435\u0442 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0434\u043b\u044f \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043d\u043e \u043c\u043e\u0436\u043d\u043e \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, <strong>JFreeChart<\/strong> \u0438\u043b\u0438 <strong>JavaFX<\/strong> \u0434\u043b\u044f \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u0432.<\/p>\n<p>\u041f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0430:<\/p>\n<pre><code class=\"java\">import java.io.FileWriter; import java.io.IOException; import java.util.List;  public class PredictionExporter {     public static void exportPredictions(Model model, Dataset testData, String outputPath) throws IOException {         try (FileWriter writer = new FileWriter(outputPath)) {             writer.append(\"Actual,Predicted\\n\");             for (var example : testData) {                 double actual = example.getOutput().getOutput();                 double predicted = model.predict(example).getOutput();                 writer.append(actual + \",\" + predicted + \"\\n\");             }         }     } }<\/code><\/pre>\n<p>\u041f\u043e\u0434\u0440\u043e\u0431\u043d\u0435\u0435 \u0441 Tribuo \u043c\u043e\u0436\u043d\u043e <a href=\"https:\/\/tribuo.org\/learn\/4.3\/javadoc\/\">\u043e\u0437\u043d\u0430\u043a\u043e\u043c\u0438\u0442\u044c\u0441\u044f \u0437\u0434\u0435\u0441\u044c<\/a>.<\/p>\n<hr\/>\n<p>\u0412\u0441\u0435 \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b \u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b DS \u0438 ML \u043c\u043e\u0436\u043d\u043e \u043e\u0441\u0432\u043e\u0438\u0442\u044c \u043d\u0430 \u043e\u043d\u043b\u0430\u0439\u043d-\u043a\u0443\u0440\u0441\u0430\u0445 OTUS: <a href=\"https:\/\/otus.pw\/kGeN\/\">\u0432 \u043a\u0430\u0442\u0430\u043b\u043e\u0433\u0435<\/a> \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u0441\u043f\u0438\u0441\u043e\u043a \u0432\u0441\u0435\u0445 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c, \u0430 <a href=\"https:\/\/otus.pw\/tjvO\/\">\u0432 \u043a\u0430\u043b\u0435\u043d\u0434\u0430\u0440\u0435<\/a> \u2014 \u0437\u0430\u043f\u0438\u0441\u0430\u0442\u044c\u0441\u044f \u043d\u0430 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0443\u0440\u043e\u043a\u0438.<\/p>\n<p>\u041e\u0434\u0438\u043d \u0438\u0437 \u0443\u0440\u043e\u043a\u043e\u0432 \u043f\u0440\u043e\u0439\u0434\u0435\u0442 11 \u043d\u043e\u044f\u0431\u0440\u044f \u0438 \u0431\u0443\u0434\u0435\u0442 \u043f\u043e\u0441\u0432\u044f\u0449\u0435\u043d \u0442\u0435\u043c\u0435 \u00ab\u0412\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435 \u0440\u044f\u0434\u044b \u0424\u0443\u0440\u044c\u0435 \u0438 \u0432\u0435\u0439\u0432\u043b\u0435\u0442-\u0430\u043d\u0430\u043b\u0438\u0437\u00bb. \u042d\u0442\u043e\u0442 \u0443\u0440\u043e\u043a \u0431\u0443\u0434\u0435\u0442 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0435\u043d ML-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0430\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u044e\u0442 \u0437\u043d\u0430\u043a\u043e\u043c\u0441\u0442\u0432\u043e \u0441 \u0432\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u043c\u0438 \u0440\u044f\u0434\u0430\u043c\u0438 \u0438 \u0445\u043e\u0442\u044f\u0442 \u0432\u044b\u0439\u0442\u0438 \u0437\u0430 \u0433\u0440\u0430\u043d\u0438\u0446\u044b \u043c\u043e\u0434\u0435\u043b\u0438 SARIMA. <a href=\"https:\/\/otus.pw\/THiQ\/\">\u041f\u043e\u0434\u0440\u043e\u0431\u043d\u0435\u0435<\/a><\/p>\n<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/853300\/\"> https:\/\/habr.com\/ru\/articles\/853300\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!<\/p>\n<p>\u0412\u00a0\u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043d\u0430\u0448 \u0432\u0437\u043e\u0440 \u0443\u043f\u0430\u0434\u0435\u0442 \u043d\u0430\u00a0\u043d\u0430 <strong>Tribuo<\/strong>\u00a0\u2014 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043d\u0430\u00a0Java \u043e\u0442\u00a0Oracle.<\/p>\n<p><strong>Tribuo<\/strong> \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0434\u043b\u044f\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438, \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438, \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u043c\u043d\u043e\u0433\u043e\u0433\u043e \u0434\u0440\u0443\u0433\u043e\u0433\u043e. \u041d\u043e\u00a0\u0441\u0435\u0433\u043e\u0434\u043d\u044f \u043c\u044b \u0441\u043e\u0441\u0440\u0435\u0434\u043e\u0442\u043e\u0447\u0438\u043c\u0441\u044f \u043d\u0430\u00a0\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438\u00a0\u2014 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u044b\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f. \u041e\u0434\u043d\u0438\u043c \u0438\u0437\u00a0\u0433\u043b\u0430\u0432\u043d\u044b\u0445 \u043f\u043b\u044e\u0441\u043e\u0432 Tribuo \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0435\u0451 \u0443\u0434\u043e\u0431\u043d\u044b\u0439 API, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442\u00a0\u0431\u044b\u0441\u0442\u0440\u043e \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u0438\u0445 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c.<\/p>\n<h4>\u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0430 \u0438 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0440\u043e\u0435\u043a\u0442\u0430<\/h4>\n<p>\u041d\u0430\u0447\u043d\u0451\u043c \u0441\u00a0\u0441\u0430\u043c\u043e\u0433\u043e \u043d\u0430\u0447\u0430\u043b\u0430\u00a0\u2014 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 \u043f\u0440\u043e\u0435\u043a\u0442\u0430. \u0414\u043b\u044f\u00a0\u0440\u0430\u0431\u043e\u0442\u044b \u0441\u00a0Tribuo \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f <strong>Java 11<\/strong> \u0438\u043b\u0438\u00a0\u043d\u043e\u0432\u0435\u0435. \u0422\u0430\u043a\u0436\u0435 \u0431\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c <strong>Maven<\/strong> \u0434\u043b\u044f\u00a0\u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044f\u043c\u0438. \u0415\u0441\u043b\u0438 \u0432\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0435 \u0434\u0440\u0443\u0433\u0443\u044e \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0441\u0431\u043e\u0440\u043a\u0438, \u0442\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u044b \u043e\u0441\u0442\u0430\u043d\u0443\u0442\u0441\u044f \u0442\u0435\u043c\u0438\u00a0\u0436\u0435, \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u0438\u043d\u0442\u0430\u043a\u0441\u0438\u0441 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439 \u0431\u0443\u0434\u0435\u0442 \u0434\u0440\u0443\u0433\u0438\u043c.<\/p>\n<p>\u0414\u043e\u0431\u0430\u0432\u0438\u043c Tribuo \u0432\u00a0\u043d\u0430\u0448 <code>pom.xml<\/code>:<\/p>\n<pre><code class=\"xml\">&lt;dependencies&gt;     &lt;!-- Tribuo Core --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-all&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt;     &lt;!-- \u0414\u043b\u044f \u0440\u0430\u0431\u043e\u0442\u044b \u0441 CSV --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-data&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt;     &lt;!-- \u0414\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-regression-linear&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt;     &lt;!-- \u0414\u043b\u044f CART \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 --&gt;     &lt;dependency&gt;         &lt;groupId&gt;org.tribuo&lt;\/groupId&gt;         &lt;artifactId&gt;tribuo-regression-cart&lt;\/artifactId&gt;         &lt;version&gt;4.3.0&lt;\/version&gt;     &lt;\/dependency&gt; &lt;\/dependencies&gt;<\/code><\/pre>\n<p>\u041e\u0431\u043d\u043e\u0432\u043b\u044f\u0435\u043c \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u0438 \u0432\u0441\u0435 \u0433\u043e\u0442\u043e\u0432\u043e!<\/p>\n<h2>\u041f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445<\/h2>\n<p>\u0420\u0430\u0431\u043e\u0442\u0430 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u2014 \u044d\u0442\u043e \u043f\u0435\u0440\u0432\u044b\u0439 \u0438 \u043e\u0434\u0438\u043d \u0438\u0437 \u0441\u0430\u043c\u044b\u0445 \u0432\u0430\u0436\u043d\u044b\u0445 \u0448\u0430\u0433\u043e\u0432 \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438. \u0414\u043b\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u0430 \u0432\u043e\u0437\u044c\u043c\u0451\u043c \u043f\u0440\u043e\u0441\u0442\u043e\u0439 CSV-\u0444\u0430\u0439\u043b \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u043e \u0446\u0435\u043d\u0430\u0445 \u0434\u043e\u043c\u043e\u0432:<\/p>\n<pre><code>square_feet,rooms,has_garage,price 1200,3,1,250000 1400,3,0,300000 1600,4,1,350000 ...<\/code><\/pre>\n<p>\u0417\u0434\u0435\u0441\u044c:<\/p>\n<ul>\n<li>\n<p><code>square_feet<\/code> \u2014 \u043f\u043b\u043e\u0449\u0430\u0434\u044c \u0434\u043e\u043c\u0430 \u0432 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u043d\u044b\u0445 \u0444\u0443\u0442\u0430\u0445,<\/p>\n<\/li>\n<li>\n<p><code>rooms<\/code> \u2014 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u043e\u043c\u043d\u0430\u0442,<\/p>\n<\/li>\n<li>\n<p><code>has_garage<\/code> \u2014 \u043d\u0430\u043b\u0438\u0447\u0438\u0435 \u0433\u0430\u0440\u0430\u0436\u0430 (1 \u2014 \u0435\u0441\u0442\u044c, 0 \u2014 \u043d\u0435\u0442),<\/p>\n<\/li>\n<li>\n<p><code>price<\/code> \u2014 \u0446\u0435\u043d\u0430 \u0434\u043e\u043c\u0430 (\u0446\u0435\u043b\u0435\u0432\u0430\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f).<\/p>\n<\/li>\n<\/ul>\n<p>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <strong>CSVLoader<\/strong> \u0434\u043b\u044f \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445:<\/p>\n<pre><code class=\"java\">import org.tribuo.data.csv.CSVLoader; import org.tribuo.data.csv.CSVDataSource; import org.tribuo.regression.Regressor; import org.tribuo.regression.RegressorFactory;  import java.nio.file.Paths;  public class DataLoader {     public static CSVDataSource&lt;Regressor&gt; loadData(String filePath, String targetColumn) throws IOException {         CSVLoader&lt;Regressor&gt; loader = new CSVLoader&lt;&gt;(new RegressorFactory());         return loader.loadData(Paths.get(filePath), targetColumn);     } }<\/code><\/pre>\n<p>\u041f\u043e\u0441\u043b\u0435 \u044d\u0442\u043e\u0433\u043e \u043d\u0443\u0436\u043d\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435, \u0447\u0442\u043e\u0431\u044b \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u043d\u0435\u0432\u0438\u0434\u0438\u043c\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445. \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <strong>TrainTestSplitter<\/strong>:<\/p>\n<pre><code class=\"java\">import org.tribuo.data.split.TrainTestSplitter; import org.tribuo.regression.Regressor; import org.tribuo.data.dataset.Dataset;  public class DataSplitter {     public static TrainTestSplitter&lt;Regressor&gt; splitData(Dataset&lt;Regressor&gt; data, double trainFraction, long seed) {         return new TrainTestSplitter&lt;&gt;(data, trainFraction, seed);     } }<\/code><\/pre>\n<p><strong>trainFraction<\/strong> \u2014 \u0434\u043e\u043b\u044f \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 0.7 \u0434\u043b\u044f 70%), \u0430 <strong>seed<\/strong> \u2014 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0435 \u0437\u0435\u0440\u043d\u043e \u0434\u043b\u044f \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438.<\/p>\n<h2>\u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u043e\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438<\/h2>\n<p>\u0422\u0435\u043f\u0435\u0440\u044c \u043f\u0435\u0440\u0435\u0439\u0434\u0435\u043c \u043a \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044e \u043c\u043e\u0434\u0435\u043b\u0435\u0439. \u041d\u0430\u0447\u043d\u0451\u043c \u0441 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438.<\/p>\n<pre><code class=\"java\">import org.tribuo.Model; import org.tribuo.regression.Regressor; import org.tribuo.regression.linear.LinearRegressionTrainer;  public class LinearRegressionModel {     public static Model&lt;Regressor&gt; trainModel(Dataset&lt;Regressor&gt; trainData) {         LinearRegressionTrainer trainer = new LinearRegressionTrainer(0.01, LinearRegressionTrainer.LossType.SQUARED);         return trainer.train(trainData);     } }<\/code><\/pre>\n<p><strong>LinearRegressionTrainer<\/strong> \u2014 \u0442\u0440\u0435\u043d\u0435\u0440 \u0434\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438. <strong>LossType.SQUARED<\/strong> \u2014 \u0442\u0438\u043f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0442\u0435\u0440\u044c (\u0432 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u0430\u044f).<\/p>\n<p>\u0414\u043b\u044f \u0431\u043e\u043b\u0435\u0435 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u043c\u043e\u0436\u043d\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c <strong>CARTRegressionTrainer<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0440\u0435\u0430\u043b\u0438\u0437\u0443\u0435\u0442 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0445 \u043b\u0435\u0441\u043e\u0432.<\/p>\n<pre><code class=\"java\">import org.tribuo.regression.cart.CARTRegressionTrainer;  public class RandomForestRegressionModel {     public static Model trainModel(Dataset trainData, int numTrees) {         CARTRegressionTrainer trainer = new CARTRegressionTrainer(numTrees);         return trainer.train(trainData);     } }<\/code><\/pre>\n<p><strong>numTrees<\/strong> \u2014 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u0435\u0440\u0435\u0432\u044c\u0435\u0432 \u0432 \u043b\u0435\u0441\u0443.<\/p>\n<h4>\u041e\u0446\u0435\u043d\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0438<\/h4>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u0430\u0436\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u044c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043e\u043d\u0430 \u0445\u043e\u0440\u043e\u0448\u0430. \u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <strong>RegressionEvaluator<\/strong>.<\/p>\n<pre><code class=\"java\">import org.tribuo.regression.RegressionEvaluator; import org.tribuo.Model; import org.tribuo.regression.Regressor;  public class ModelEvaluator {     public static void evaluateModel(Model model, Dataset testData) {         RegressionEvaluator evaluator = new RegressionEvaluator();         var evaluation = evaluator.evaluate(model, testData);         System.out.println(evaluation);     } }<\/code><\/pre>\n<p><strong>evaluate<\/strong> \u2014 \u043c\u0435\u0442\u043e\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0438 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u0435\u0442\u0440\u0438\u043a\u0438.<\/p>\n<h4>\u041f\u0440\u0438\u043c\u0435\u0440 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0446\u0435\u043d \u043d\u0430 \u0434\u043e\u043c\u0430<\/h4>\n<p>\u0421\u043e\u0431\u0435\u0440\u0451\u043c \u0432\u0441\u0451 \u0432\u043c\u0435\u0441\u0442\u0435 \u0438 \u0441\u043e\u0437\u0434\u0430\u0434\u0438\u043c \u043f\u043e\u043b\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440.<\/p>\n<pre><code class=\"java\">import org.tribuo.Model; import org.tribuo.data.csv.CSVDataSource; import org.tribuo.data.dataset.Dataset; import org.tribuo.data.split.TrainTestSplitter; import org.tribuo.regression.Regressor; import org.tribuo.regression.RegressionEvaluator; import org.tribuo.regression.linear.LinearRegressionTrainer; import org.tribuo.regression.cart.CARTRegressionTrainer;  import java.io.IOException;  public class HousePricePrediction {     public static void main(String[] args) {         try {             \/\/ \u0428\u0430\u0433 1: \u0417\u0430\u0433\u0440\u0443\u0437\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445             CSVDataSource dataSource = DataLoader.loadData(\"house_prices.csv\", \"price\");             Dataset data = dataSource.getDataset();              \/\/ \u0428\u0430\u0433 2: \u0420\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445             TrainTestSplitter splitter = DataSplitter.splitData(data, 0.7, 42L);             Dataset trainData = splitter.getTrainingDataset();             Dataset testData = splitter.getTestDataset();              \/\/ \u0428\u0430\u0433 3: \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438             Model linearModel = LinearRegressionModel.trainModel(trainData);             System.out.println(\"\u041b\u0438\u043d\u0435\u0439\u043d\u0430\u044f \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0430!\");              \/\/ \u0428\u0430\u0433 4: \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 Random Forest \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438             Model rfModel = RandomForestRegressionModel.trainModel(trainData, 100);             System.out.println(\"Random Forest \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0430!\");              \/\/ \u0428\u0430\u0433 5: \u041e\u0446\u0435\u043d\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439             System.out.println(\"\u041e\u0446\u0435\u043d\u043a\u0430 \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438:\");             ModelEvaluator.evaluateModel(linearModel, testData);              System.out.println(\"\u041e\u0446\u0435\u043d\u043a\u0430 Random Forest \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438:\");             ModelEvaluator.evaluateModel(rfModel, testData);          } catch (IOException e) {             System.err.println(\"\u041e\u0448\u0438\u0431\u043a\u0430 \u043f\u0440\u0438 \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u0434\u0430\u043d\u043d\u044b\u0445: \" + e.getMessage());         }     } }<\/code><\/pre>\n<h4>\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0442\u0440\u0435\u043d\u0435\u0440\u0430<\/h4>\n<p>Tribuo \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0442\u044c \u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0442\u0440\u0435\u043d\u0435\u0440\u0430. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0434\u043b\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0438\u0442\u044c:<\/p>\n<ul>\n<li>\n<p><strong>Learning Rate (\u043a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f)<\/strong>: \u0412\u043b\u0438\u044f\u0435\u0442 \u043d\u0430 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0441\u0445\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>Loss Type (\u0442\u0438\u043f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043f\u043e\u0442\u0435\u0440\u044c)<\/strong>: \u041f\u043e\u043c\u0438\u043c\u043e \u043a\u0432\u0430\u0434\u0440\u0430\u0442\u0438\u0447\u043d\u043e\u0439, \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b \u0434\u0440\u0443\u0433\u0438\u0435 \u0442\u0438\u043f\u044b, \u0442\u0430\u043a\u0438\u0435 \u043a\u0430\u043a \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430.<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u0440\u0438\u043c\u0435\u0440 \u0441 \u0434\u0440\u0443\u0433\u0438\u043c\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438:<\/p>\n<pre><code class=\"java\">LinearRegressionTrainer trainer = new LinearRegressionTrainer(     0.05, \/\/ \u041a\u043e\u044d\u0444\u0444\u0438\u0446\u0438\u0435\u043d\u0442 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f     LinearRegressionTrainer.LossType.HUBER, \/\/ \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u0442\u0435\u0440\u044c \u0425\u044c\u044e\u0431\u0435\u0440\u0430     1.0 \/\/ \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 delta \u0434\u043b\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0425\u044c\u044e\u0431\u0435\u0440\u0430 );<\/code><\/pre>\n<h4>\u041a\u0430\u043a \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/h4>\n<p>\u041a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044f \u2014 \u043c\u043e\u0449\u043d\u044b\u0439 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 \u0434\u043b\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u0412\u043d\u0435\u0434\u0440\u0438\u043c 5-\u043a\u0440\u0430\u0442\u043d\u0443\u044e \u043a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044e.<\/p>\n<pre><code class=\"java\">import org.tribuo.data.cross.CrossValidator; import org.tribuo.data.cross.CrossValidationResult; import org.tribuo.regression.Regressor;  public class CrossValidationExample {     public static void performCrossValidation(Dataset data, int folds) {         LinearRegressionTrainer trainer = new LinearRegressionTrainer(0.01, LinearRegressionTrainer.LossType.SQUARED);         CrossValidator crossValidator = new CrossValidator&amp;lt;&amp;gt;(trainer, folds);         CrossValidationResult result = crossValidator.evaluate(data);         System.out.println(result);     } }<\/code><\/pre>\n<p><strong>folds<\/strong> \u2014 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u0439 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 5 \u0434\u043b\u044f 5-\u043a\u0440\u0430\u0442\u043d\u043e\u0439 \u043a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u0438). <strong>evaluate<\/strong> \u2014 \u043c\u0435\u0442\u043e\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0435\u0442 \u043a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044e \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442.<\/p>\n<h4>\u041a\u0430\u043a \u043f\u043e\u0434\u043e\u0431\u0440\u0430\u0442\u044c \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b<\/h4>\n<p>\u041f\u043e\u0434\u0431\u043e\u0440 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043c\u043e\u0436\u0435\u0442 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0431\u0443\u0441\u0442\u0430\u043d\u0443\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0438. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0441 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c Grid Search.<\/p>\n<pre><code class=\"java\">import org.tribuo.regression.linear.LinearRegressionTrainer; import org.tribuo.Model; import org.tribuo.regression.Regressor;  public class HyperparameterTuning {     public static void gridSearch(Dataset trainData, Dataset testData) {         double[] learningRates = {0.001, 0.01, 0.1};         LinearRegressionTrainer.LossType[] lossTypes = {             LinearRegressionTrainer.LossType.SQUARED,             LinearRegressionTrainer.LossType.HUBER         };          for (double lr : learningRates) {             for (LinearRegressionTrainer.LossType lt : lossTypes) {                 LinearRegressionTrainer trainer = new LinearRegressionTrainer(lr, lt);                 Model model = trainer.train(trainData);                 RegressionEvaluator evaluator = new RegressionEvaluator();                 var evaluation = evaluator.evaluate(model, testData);                 System.out.println(\"Learning Rate: \" + lr + \", Loss Type: \" + lt);                 System.out.println(evaluation);             }         }     } }<\/code><\/pre>\n<p>\u041f\u0435\u0440\u0435\u0431\u0438\u0440\u0430\u0435\u043c \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f <strong>learning rate<\/strong> \u0438 <strong>loss type<\/strong>, \u043f\u043e\u0441\u043b\u0435 \u0447\u0435\u0433\u043e \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0439 \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0438 \u0438 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u043c \u0435\u0451 \u043d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<h4>\u0412\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432<\/h4>\n<p>\u0412 \u0441\u0430\u043c\u043e\u043c Tribuo \u043d\u0435\u0442 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0434\u043b\u044f \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043d\u043e \u043c\u043e\u0436\u043d\u043e \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, <strong>JFreeChart<\/strong> \u0438\u043b\u0438 <strong>JavaFX<\/strong> \u0434\u043b\u044f \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u0432.<\/p>\n<p>\u041f\u0440\u043e\u0441\u0442\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u044d\u043a\u0441\u043f\u043e\u0440\u0442\u0430:<\/p>\n<pre><code class=\"java\">import java.io.FileWriter; import java.io.IOException; import java.util.List;  public class PredictionExporter {     public static void exportPredictions(Model model, Dataset testData, String outputPath) throws IOException {         try (FileWriter writer = new FileWriter(outputPath)) {             writer.append(\"Actual,Predicted\\n\");             for (var example : testData) {                 double actual = example.getOutput().getOutput();                 double predicted =<\/code><\/pre>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-437719","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/437719","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=437719"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/437719\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=437719"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=437719"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=437719"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}