{"id":478461,"date":"2026-05-04T08:31:18","date_gmt":"2026-05-04T08:31:18","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=478461"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=478461","title":{"rendered":"\u0418\u0437\u0443\u0447\u0430\u0435\u043c \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 scikit-learn \u0437\u0430 \u043e\u0434\u043d\u0443 \u0441\u0442\u0430\u0442\u044c\u044e: \u043e\u0442 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f API \u0434\u043e \u0431\u043e\u0435\u0432\u043e\u0433\u043e \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<h2>1. \u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435: \u0447\u0442\u043e \u0437\u0430 \u0437\u0432\u0435\u0440\u044c \u044d\u0442\u043e\u0442 scikit-learn \u0438 \u0437\u0430\u0447\u0435\u043c \u043e\u043d \u0432\u0430\u043c<\/h2>\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0435 \u043f\u043e\u0433\u0440\u0443\u0436\u0430\u0442\u044c\u0441\u044f \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 Python, <strong>scikit-learn<\/strong> (\u0432 \u043d\u0430\u0440\u043e\u0434\u0435 \u043f\u0440\u043e\u0441\u0442\u043e <code>sklearn<\/code>) \u2014 \u044d\u0442\u043e \u0432\u0430\u0448\u0430 \u043e\u0442\u043f\u0440\u0430\u0432\u043d\u0430\u044f \u0442\u043e\u0447\u043a\u0430. \u042d\u0442\u043e \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u044b\u0439 \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442 \u0438 \u0448\u0432\u0435\u0439\u0446\u0430\u0440\u0441\u043a\u0438\u0439 \u043d\u043e\u0436 \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e ML.<\/p>\n<p><strong>\u0414\u043b\u044f \u0447\u0435\u0433\u043e \u043e\u043d \u0438\u0434\u0435\u0430\u043b\u0435\u043d:<\/strong><\/p>\n<ul>\n<li>\n<p><strong>\u0422\u0430\u0431\u043b\u0438\u0447\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435.<\/strong> \u0412\u0441\u0451, \u0447\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0432 \u0432\u0438\u0434\u0435 CSV-\u0444\u0430\u0439\u043b\u0430 \u0438\u043b\u0438 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432 \u0431\u0430\u0437\u0435 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/li>\n<li>\n<p><strong>\u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438.<\/strong> \u041f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0446\u0435\u043d\u0443 \u043f\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u043d\u043e\u0433\u043e \u0430\u0432\u0442\u043e (\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f), \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c, \u0431\u043e\u043b\u0435\u043d \u043f\u0430\u0446\u0438\u0435\u043d\u0442 \u0438\u043b\u0438 \u0437\u0434\u043e\u0440\u043e\u0432 (\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f), \u0438\u043b\u0438 \u0440\u0430\u0437\u0431\u0438\u0442\u044c \u043f\u043e\u043a\u0443\u043f\u0430\u0442\u0435\u043b\u0435\u0439 \u043d\u0430 \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u044b \u0434\u043b\u044f \u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433\u0430 (\u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u044f).<\/p>\n<\/li>\n<\/ul>\n<p><strong>\u0414\u043b\u044f \u0447\u0435\u0433\u043e \u043e\u043d \u041d\u0415 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442:<\/strong><\/p>\n<ul>\n<li>\n<p><strong>\u0413\u043b\u0443\u0431\u043e\u043a\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 (Deep Learning).<\/strong><\/p>\n<\/li>\n<li>\n<p>\u0420\u0430\u0431\u043e\u0442\u0430 \u0441 \u00ab\u0442\u044f\u0436\u0435\u043b\u044b\u043c\u0438\u00bb \u043d\u0435\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u043c\u0438: \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u043b\u0438\u0446 \u043d\u0430 \u0444\u043e\u0442\u043e, \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0432\u0438\u0434\u0435\u043e \u0438\u043b\u0438 \u0430\u0443\u0434\u0438\u043e.<\/p>\n<\/li>\n<li>\n<p><em>\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u043e\u0432\u0435\u0442:<\/em> \u0435\u0441\u043b\u0438 \u0432\u0430\u0448\u0430 \u0437\u0430\u0434\u0430\u0447\u0430 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439, <code>sklearn<\/code> \u0432\u0430\u043c \u043d\u0435 \u043f\u043e\u043c\u043e\u0449\u043d\u0438\u043a \u2014 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043d\u0443\u0436\u043d\u043e \u0431\u0440\u0430\u0442\u044c <strong>PyTorch<\/strong> \u0438\u043b\u0438 <strong>TensorFlow<\/strong>.<\/p>\n<\/li>\n<\/ul>\n<p><strong>\u0427\u0442\u043e \u043d\u0443\u0436\u043d\u043e \u0437\u043d\u0430\u0442\u044c, \u043f\u0440\u0435\u0436\u0434\u0435 \u0447\u0435\u043c \u0447\u0438\u0442\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435?<\/strong> \u042f \u043d\u0435 \u0431\u0443\u0434\u0443 \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u0442\u044c \u0432\u0430\u043c \u0438\u043b\u043b\u044e\u0437\u0438\u044e, \u0447\u0442\u043e ML \u2014 \u044d\u0442\u043e \u043c\u0430\u0433\u0438\u044f \u0438\u0437 \u0434\u0432\u0443\u0445 \u0441\u0442\u0440\u043e\u0447\u0435\u043a \u043a\u043e\u0434\u0430, \u043f\u043e\u043d\u044f\u0442\u043d\u0430\u044f \u0432\u043e\u043e\u0431\u0449\u0435 \u0432\u0441\u0435\u043c. \u0427\u0442\u043e\u0431\u044b \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043d\u0438\u0436\u0435 \u043d\u0435 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b\u0438 \u043a\u0430\u043a \u0437\u0430\u043a\u043b\u0438\u043d\u0430\u043d\u0438\u044f, \u0432\u0430\u043c \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f \u0431\u0430\u0437\u043e\u0432\u044b\u0439 \u0434\u0436\u0435\u043d\u0442\u043b\u044c\u043c\u0435\u043d\u0441\u043a\u0438\u0439 \u043d\u0430\u0431\u043e\u0440:<\/p>\n<ol>\n<li>\n<p><strong>Python<\/strong> \u2014 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445, \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u0438 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0432\u044b\u0437\u044b\u0432\u0430\u0442\u044c \u043c\u0435\u0442\u043e\u0434\u044b \u0443 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432. <a href=\"https:\/\/habr.com\/ru\/articles\/1026362\/\" rel=\"noopener noreferrer nofollow\">\u041c\u043e\u044f \u0441\u0442\u0430\u0442\u044c\u044f \u043a\u0430\u043a \u0432\u044b\u0443\u0447\u0438\u0442\u044c Python \u0438 \u043d\u0435 \u0440\u0430\u0437\u043e\u0440\u0438\u0442\u044c\u0441\u044f: 5 \u043b\u0443\u0447\u0448\u0438\u0445 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0445 \u043a\u0443\u0440\u0441\u043e\u0432 \u0434\u043b\u044f \u043d\u043e\u0432\u0438\u0447\u043a\u043e\u0432<\/a>.<\/p>\n<\/li>\n<li>\n<p><strong>pandas<\/strong> \u2014 \u0445\u043e\u0442\u044f \u0431\u044b \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u00ab\u043c\u043e\u0433\u0443 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430 \u043a\u043e\u043b\u043e\u043d\u043a\u0438\u00bb. <a href=\"https:\/\/stepik.org\/course\/275620\/promo\" rel=\"noopener noreferrer nofollow\">\u041c\u043e\u0439 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439 \u043a\u0443\u0440\u0441 \u043d\u0430 Stepik Pandas \u0434\u043b\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0434\u0430\u043d\u043d\u044b\u0445: \u041f\u043e\u043b\u043d\u044b\u0439 \u043a\u0443\u0440\u0441<\/a>.<\/p>\n<\/li>\n<li>\n<p><strong>numpy<\/strong> \u2014 \u0431\u0430\u0437\u043e\u0432\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043e \u0442\u043e\u043c, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u043c\u0430\u0441\u0441\u0438\u0432\u044b \u0438 \u043c\u0430\u0442\u0440\u0438\u0446\u044b. <a href=\"https:\/\/habr.com\/ru\/articles\/1029440\/\" rel=\"noopener noreferrer nofollow\">\u041c\u043e\u044f \u0441\u0442\u0430\u0442\u044c\u044f NumPy \u0441 \u043d\u0443\u043b\u044f: \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0439 \u0433\u0430\u0439\u0434 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u0442\u043e \u0445\u043e\u0447\u0435\u0442 \u0432 Data Science<\/a>.<\/p>\n<\/li>\n<\/ol>\n<p>\u0415\u0441\u043b\u0438 \u044d\u0442\u043e\u0442 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442 \u0435\u0441\u0442\u044c \u2014 \u043e\u0442\u043b\u0438\u0447\u043d\u043e. \u041f\u043e\u0435\u0445\u0430\u043b\u0438 \u0440\u0430\u0437\u0431\u0438\u0440\u0430\u0442\u044c\u0441\u044f, \u043a\u0430\u043a \u0442\u0443\u0442 \u0432\u0441\u0451 \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u043e.<\/p>\n<h2>2. \u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0441\u0435\u043a\u0440\u0435\u0442 sklearn: \u0415\u0434\u0438\u043d\u044b\u0439 API<\/h2>\n<p>\u0417\u043d\u0430\u0435\u0442\u0435, \u043f\u043e\u0447\u0435\u043c\u0443 <code>scikit-learn<\/code> \u0442\u0430\u043a \u043b\u044e\u0431\u044f\u0442? \u0418\u0437-\u0437\u0430 \u0435\u0433\u043e \u0433\u0435\u043d\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u043e\u0441\u0442\u0438. \u0420\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0441\u0434\u0435\u043b\u0430\u043b\u0438 \u0442\u0430\u043a, \u0447\u0442\u043e \u0432\u0430\u043c \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0443\u0447\u0438\u0442\u044c \u043d\u043e\u0432\u044b\u0439 \u0441\u0438\u043d\u0442\u0430\u043a\u0441\u0438\u0441 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430.<\/p>\n<p>\u041f\u043e\u043d\u044f\u0432 \u043f\u0440\u0438\u043d\u0446\u0438\u043f \u043e\u0434\u0438\u043d \u0440\u0430\u0437, \u0432\u044b \u0441\u043c\u043e\u0436\u0435\u0442\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438 \u043f\u0440\u043e\u0441\u0442\u0443\u044e \u043b\u0438\u043d\u0435\u0439\u043d\u0443\u044e \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044e, \u0438 \u043d\u0430\u0432\u043e\u0440\u043e\u0447\u0435\u043d\u043d\u044b\u0439 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u043b\u0435\u0441, \u043f\u0440\u043e\u0441\u0442\u043e \u043c\u0435\u043d\u044f\u044f \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430. \u0412\u0441\u0451 \u0441\u0442\u0440\u043e\u0438\u0442\u0441\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u0435\u0434\u0438\u043d\u043e\u0433\u043e \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u0430 (API) \u0438 \u0434\u0432\u0443\u0445 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439: \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u0444\u043e\u0440\u043c\u0430\u0442\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438  \u043c\u0435\u0442\u043e\u0434\u043e\u0432.<\/p>\n<h3>\u041a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u044f 1: \u041c\u0430\u0442\u0440\u0438\u0446\u0430 X \u0438 \u0432\u0435\u043a\u0442\u043e\u0440 y<\/h3>\n<p>\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043d\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u044e\u0442 \u0430\u0431\u0441\u0442\u0440\u0430\u043a\u0442\u043d\u044b\u0445 \u0441\u043b\u043e\u0432. \u0418\u043c \u043d\u0443\u0436\u043d\u044b \u0446\u0438\u0444\u0440\u044b, \u0440\u0430\u0437\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0435 \u043f\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c \u043f\u043e\u043b\u043e\u0447\u043a\u0430\u043c. \u0412 ML \u044d\u0442\u0438 \u043f\u043e\u043b\u043e\u0447\u043a\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u0434\u0432\u0435 \u0447\u0430\u0441\u0442\u0438:<\/p>\n<ul>\n<li>\n<p><strong>\u041c\u0430\u0442\u0440\u0438\u0446\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 <\/strong><code><strong>X<\/strong><\/code><strong> (\u0431\u043e\u043b\u044c\u0448\u0430\u044f <\/strong><code><strong>X<\/strong><\/code><strong>):<\/strong> \u042d\u0442\u043e \u0432\u0430\u0448\u0430 \u043e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438. \u0415\u0441\u043b\u0438 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u0446\u0435\u043d\u0443 \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b, \u0442\u043e <code>X<\/code> \u2014 \u044d\u0442\u043e \u043f\u043b\u043e\u0449\u0430\u0434\u044c, \u044d\u0442\u0430\u0436, \u0443\u0434\u0430\u043b\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0442 \u043c\u0435\u0442\u0440\u043e. \u041f\u043e \u0441\u0443\u0442\u0438, \u044d\u0442\u043e \u0432\u0430\u0448 \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c (\u0442\u0430\u0431\u043b\u0438\u0446\u0430) <em>\u0431\u0435\u0437<\/em> \u0442\u043e\u0439 \u043a\u043e\u043b\u043e\u043d\u043a\u0438, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u044b \u043f\u044b\u0442\u0430\u0435\u043c\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>\u0412\u0435\u043a\u0442\u043e\u0440 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 <\/strong><code><strong>y<\/strong><\/code><strong> (\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f <\/strong><code><strong>y<\/strong><\/code><strong>):<\/strong> \u042d\u0442\u043e \u043d\u0430\u0448\u0430 \u0446\u0435\u043b\u044c (target). \u0422\u0430 \u0441\u0430\u043c\u0430\u044f \u043a\u043e\u043b\u043e\u043d\u043a\u0430 \u0441 \u0446\u0435\u043d\u0430\u043c\u0438, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u044b \u043e\u0442\u0440\u0435\u0437\u0430\u043b\u0438 \u043e\u0442 \u0442\u0430\u0431\u043b\u0438\u0446\u044b <code>X<\/code>. \u042d\u0442\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u0431\u0443\u0434\u0435\u0442 \u0443\u0447\u0438\u0442\u044c\u0441\u044f.<\/p>\n<\/li>\n<\/ul>\n<p><em>\u041f\u043e\u0447\u0435\u043c\u0443 <\/em><code><em>X<\/em><\/code><em> \u0431\u043e\u043b\u044c\u0448\u0430\u044f, \u0430 <\/em><code><em>y<\/em><\/code><em> \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f? \u042d\u0442\u043e \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u044f: <\/em><code><em>X<\/em><\/code><em> \u2014 \u044d\u0442\u043e \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430, \u0430 <\/em><code><em>y<\/em><\/code><em> \u2014 \u043e\u0434\u043d\u043e\u043c\u0435\u0440\u043d\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440.<\/em><\/p>\n<h3>\u041a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u044f 2<\/h3>\n<p>\u0412\u0441\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0441 \u043b\u044e\u0431\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0438\u043b\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u043c \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 <code>sklearn<\/code> \u0441\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u043a \u0442\u0440\u0435\u043c \u0433\u043b\u0430\u0432\u043d\u044b\u043c \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u043c:<\/p>\n<ol>\n<li>\n<p><code><strong>.fit()<\/strong><\/code><strong> \u2014 \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 (\u043f\u043e\u0438\u0441\u043a \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0435\u0439)<\/strong> \u0412\u044b \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u0438: \u00ab\u0421\u043c\u043e\u0442\u0440\u0438, \u0432\u043e\u0442 \u0434\u0430\u043d\u043d\u044b\u0435 (<code>X<\/code>), \u0430 \u0432\u043e\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b (<code>y<\/code>). \u0418\u0449\u0438 \u0441\u0432\u044f\u0437\u044c!\u00bb. \u0412 \u043a\u043e\u0434\u0435 \u044d\u0442\u043e \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0430\u0440\u043d\u043e: <code>model.fit(X, y)<\/code>. \u0412 \u044d\u0442\u043e\u0442 \u043c\u043e\u043c\u0435\u043d\u0442 \u0432\u043d\u0443\u0442\u0440\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043a\u0440\u0443\u0442\u0438\u0442\u0441\u044f \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430, \u0438 \u043e\u043d \u00ab\u0443\u043c\u043d\u0435\u0435\u0442\u00bb.<\/p>\n<\/li>\n<li>\n<p><code><strong>.predict()<\/strong><\/code><strong> \u2014 \u041f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 (\u044d\u043a\u0437\u0430\u043c\u0435\u043d)<\/strong> \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0443\u0447\u0438\u043b\u0430\u0441\u044c. \u0422\u0435\u043f\u0435\u0440\u044c \u043c\u044b \u0434\u0430\u0435\u043c \u0435\u0439 \u043d\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u0430 \u0440\u0430\u043d\u044c\u0448\u0435 \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0430 (\u043d\u0430\u0437\u043e\u0432\u0435\u043c \u0438\u0445 <code>X_new<\/code>), \u0438 \u043f\u0440\u043e\u0441\u0438\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u044b. \u041a\u043e\u0434: <code>predictions = model.predict(X_new)<\/code>. \u041c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0441\u0442 \u0441\u0432\u043e\u0439 \u043c\u0430\u0441\u0441\u0438\u0432 \u0441 \u043e\u0442\u0432\u0435\u0442\u0430\u043c\u0438.<\/p>\n<\/li>\n<li>\n<p><code><strong>.transform()<\/strong><\/code><strong> \u2014 \u041f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 (\u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445)<\/strong> \u042d\u0442\u043e\u0442 \u043c\u0435\u0442\u043e\u0434 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u043d\u0435 \u0434\u043b\u044f \u0441\u0430\u043c\u0438\u0445 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439, \u0430 \u0434\u043b\u044f \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u0432\u0441\u0435 \u0447\u0438\u0441\u043b\u0430 \u043a \u043e\u0434\u043d\u043e\u043c\u0443 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0443 \u0438\u043b\u0438 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0438). \u0418\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u201c\u0438\u0437\u0443\u0447\u0430\u0435\u0442\u201d \u0434\u0430\u043d\u043d\u044b\u0435 \u0447\u0435\u0440\u0435\u0437 <code>.fit()<\/code>, \u0430 \u043f\u043e\u0442\u043e\u043c \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438 \u043c\u0435\u043d\u044f\u0435\u0442 \u0438\u0445 \u0447\u0435\u0440\u0435\u0437 <code>.transform()<\/code>. <em>\u041b\u0430\u0439\u0444\u0445\u0430\u043a:<\/em> \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u043c\u0435\u0442\u043e\u0434-\u0433\u0438\u0431\u0440\u0438\u0434 <code>.fit_transform()<\/code>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u0435\u043b\u0430\u0435\u0442 \u043e\u0431\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0437\u0430 \u043e\u0434\u0438\u043d \u0448\u0430\u0433.<\/p>\n<\/li>\n<\/ol>\n<p><strong>\u0418\u0442\u043e\u0433\u043e:<\/strong> \u0421\u043e\u0437\u0434\u0430\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c <img decoding=\"async\" class=\"formula inline\" source=\"\\rightarrow\" alt=\"\\rightarrow\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg\" width=\"16\" height=\"16\" data-width=\"2.262\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0441\u043a\u043e\u0440\u043c\u0438\u043b\u0438 \u0435\u0439 \u0434\u0430\u043d\u043d\u044b\u0435 \u0447\u0435\u0440\u0435\u0437 <code>.fit(X, y)<\/code> <img decoding=\"async\" class=\"formula inline\" source=\"\\rightarrow\" alt=\"\\rightarrow\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg\" width=\"16\" height=\"16\" data-width=\"2.262\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u044b \u0447\u0435\u0440\u0435\u0437 <code>.predict(X_new)<\/code>. \u042d\u0442\u043e \u0431\u0430\u0437\u0430, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0441\u0442\u0440\u043e\u0438\u0442\u0441\u044f 90% \u043a\u043e\u0434\u0430 \u0432 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u043c ML.<\/p>\n<h2>3. \u0428\u0430\u0433 1. \u041f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445: \u0420\u0430\u0437\u0434\u0435\u043b\u044f\u0439 \u0438 \u0432\u043b\u0430\u0441\u0442\u0432\u0443\u0439<\/h2>\n<p>\u041f\u0440\u0435\u0436\u0434\u0435 \u0447\u0435\u043c \u0441\u043a\u0430\u0440\u043c\u043b\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0443, \u0438\u0445 \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u0438\u0442\u044c. \u0412 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0436\u0435\u0441\u0442\u043a\u043e\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u043e: \u00ab\u043c\u0443\u0441\u043e\u0440 \u043d\u0430 \u0432\u0445\u043e\u0434\u0435 \u2014 \u043c\u0443\u0441\u043e\u0440 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435\u00bb.<\/p>\n<p>\u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u043c \u043d\u0430\u0448\u0438 \u0434\u0430\u043d\u043d\u044b\u0435:<\/p>\n<pre><code class=\"python\">import pandas as pdfrom sklearn.datasets import fetch_california_housing# \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442california = fetch_california_housing()# \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 X (\u043d\u0430\u0448\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u0430) \u0438 \u0432\u0435\u043a\u0442\u043e\u0440 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 y (\u043d\u0430\u0448\u0430 \u0446\u0435\u043b\u044c - \u0446\u0435\u043d\u0430)X = pd.DataFrame(california.data, columns=california.feature_names)y = california.target # \u0426\u0435\u043d\u0430 \u0432 \u0441\u043e\u0442\u043d\u044f\u0445 \u0442\u044b\u0441\u044f\u0447 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<h3>\u0420\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 (Train\/Test Split)<\/h3>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u0432\u044b \u0448\u043a\u043e\u043b\u044c\u043d\u044b\u0439 \u0443\u0447\u0438\u0442\u0435\u043b\u044c. \u0412\u044b \u0434\u0430\u043b\u0438 \u0443\u0447\u0435\u043d\u0438\u043a\u0430\u043c \u0432\u044b\u0443\u0447\u0438\u0442\u044c 10 \u0431\u0438\u043b\u0435\u0442\u043e\u0432, \u0430 \u043d\u0430 \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0435 \u0441\u043f\u0440\u043e\u0441\u0438\u043b\u0438 \u0440\u043e\u0432\u043d\u043e \u044d\u0442\u0438 \u0436\u0435 10 \u0431\u0438\u043b\u0435\u0442\u043e\u0432. \u0412\u0441\u0435 \u0441\u0434\u0430\u043b\u0438 \u043d\u0430 \u043f\u044f\u0442\u0435\u0440\u043a\u0438. \u0417\u043d\u0430\u0447\u0438\u0442 \u043b\u0438 \u044d\u0442\u043e, \u0447\u0442\u043e \u0443\u0447\u0435\u043d\u0438\u043a\u0438 \u0433\u0435\u043d\u0438\u0430\u043b\u044c\u043d\u043e \u0437\u043d\u0430\u044e\u0442 \u043f\u0440\u0435\u0434\u043c\u0435\u0442? \u041d\u0435\u0442, \u043e\u043d\u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0437\u0430\u0437\u0443\u0431\u0440\u0438\u043b\u0438 \u043e\u0442\u0432\u0435\u0442\u044b.<\/p>\n<p>\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0442\u043e\u0436\u0435 \u043e\u0431\u043e\u0436\u0430\u044e\u0442 \u00ab\u0437\u0430\u0437\u0443\u0431\u0440\u0438\u0432\u0430\u0442\u044c\u00bb \u0434\u0430\u043d\u043d\u044b\u0435 (\u044d\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f <strong>\u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u043c<\/strong>). \u0427\u0442\u043e\u0431\u044b \u0447\u0435\u0441\u0442\u043d\u043e \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c, \u043c\u044b \u0434\u043e\u043b\u0436\u043d\u044b \u0441\u043f\u0440\u044f\u0442\u0430\u0442\u044c \u043e\u0442 \u043d\u0435\u0435 \u0447\u0430\u0441\u0442\u044c \u043a\u0432\u0430\u0440\u0442\u0438\u0440 \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0430 \u043f\u043e\u0442\u043e\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u044d\u0442\u0443 \u0437\u0430\u043d\u0430\u0447\u043a\u0443 \u043a\u0430\u043a \u044d\u043a\u0437\u0430\u043c\u0435\u043d. \u041c\u043e\u0434\u0435\u043b\u044c \u0434\u043e\u043b\u0436\u043d\u0430 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u044c \u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043d\u0430 \u0434\u043e\u043c\u0430\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u0430 <em>\u043d\u0438\u043a\u043e\u0433\u0434\u0430 \u0440\u0430\u043d\u044c\u0448\u0435 \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0430<\/em>.<\/p>\n<p>\u0420\u0443\u0431\u0438\u043c \u043d\u0430\u0448\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u0434\u0432\u0435 \u0447\u0430\u0441\u0442\u0438: \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0443\u044e (80%) \u0438 \u0442\u0435\u0441\u0442\u043e\u0432\u0443\u044e (20%).<\/p>\n<pre><code class=\"python\">from sklearn.model_selection import train_test_split# test_size=0.2 \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442, \u0447\u0442\u043e 20% \u0434\u0430\u043d\u043d\u044b\u0445 \u0443\u0445\u043e\u0434\u0438\u0442 \u043d\u0430 \"\u044d\u043a\u0437\u0430\u043c\u0435\u043d\"# random_state=42 \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0441\u0442\u044c, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u0438 \u043a\u0430\u0436\u0434\u043e\u043c \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0431\u0438\u043b\u0438\u0441\u044c \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043eX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0412\u0441\u0451. \u0422\u0435\u043f\u0435\u0440\u044c \u0443\u0447\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u044b \u0431\u0443\u0434\u0435\u043c \u0441\u0442\u0440\u043e\u0433\u043e \u043d\u0430 <code>X_train<\/code>, \u0430 \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u2014 \u043d\u0430 <code>X_test<\/code>.<\/p>\n<h3>\u041c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 (Scaling)<\/h3>\n<p>\u0422\u0435\u043f\u0435\u0440\u044c \u0432\u0442\u043e\u0440\u043e\u0439, \u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u043d\u043e \u043d\u0435\u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u0439 \u0434\u043b\u044f \u043d\u043e\u0432\u0438\u0447\u043a\u043e\u0432 \u043c\u043e\u043c\u0435\u043d\u0442. \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043d\u0430 \u0434\u0432\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430 \u0438\u0437 \u043d\u0430\u0448\u0438\u0445 \u043a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0439\u0441\u043a\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445: \u043c\u0435\u0434\u0438\u0430\u043d\u043d\u044b\u0439 \u0434\u043e\u0445\u043e\u0434 (<code>MedInc<\/code>) \u0438 \u043d\u0430\u0441\u0435\u043b\u0435\u043d\u0438\u0435 \u0440\u0430\u0439\u043e\u043d\u0430 (<code>Population<\/code>).<\/p>\n<p>\u0415\u0441\u043b\u0438 \u043c\u044b \u0432\u044b\u0432\u0435\u0434\u0435\u043c \u043f\u0430\u0440\u0443 \u0441\u0442\u0440\u043e\u043a, \u0442\u043e \u0443\u0432\u0438\u0434\u0438\u043c, \u0447\u0442\u043e \u0434\u043e\u0445\u043e\u0434 \u0438\u0437\u043c\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u0435\u0434\u0438\u043d\u0438\u0446\u0430\u043c\u0438 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, <code>8.3<\/code> \u2014 \u044d\u0442\u043e 83 \u0442\u044b\u0441\u044f\u0447\u0438 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432), \u0430 \u043d\u0430\u0441\u0435\u043b\u0435\u043d\u0438\u0435 \u2014 \u0442\u044b\u0441\u044f\u0447\u0430\u043c\u0438 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, <code>3220<\/code> \u0447\u0435\u043b\u043e\u0432\u0435\u043a).<\/p>\n<p>\u0412\u043d\u0443\u0442\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0430 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0431\u0430\u0437\u043e\u0432\u0430\u044f \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430: \u043e\u043d\u0438 \u0441\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442 \u0447\u0438\u0441\u043b\u0430 \u0438\u043b\u0438 \u0438\u0449\u0443\u0442 \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043c\u0435\u0436\u0434\u0443 \u0442\u043e\u0447\u043a\u0430\u043c\u0438. \u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u043d\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442 \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0441\u043c\u044b\u0441\u043b\u0430 \u043a\u043e\u043b\u043e\u043d\u043e\u043a. \u0414\u043b\u044f \u043d\u0435\u0433\u043e <code>3220<\/code> \u2014 \u044d\u0442\u043e \u0433\u0438\u0433\u0430\u043d\u0442\u0441\u043a\u043e\u0435 \u0447\u0438\u0441\u043b\u043e, \u0430 <code>8.3<\/code> \u2014 \u043a\u0430\u043a\u0430\u044f-\u0442\u043e \u043c\u0435\u043b\u043e\u0447\u044c. \u0418\u0437-\u0437\u0430 \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u0440\u0435\u0448\u0438\u0442\u044c, \u0447\u0442\u043e \u043d\u0430\u0441\u0435\u043b\u0435\u043d\u0438\u0435 \u0432\u0430\u0436\u043d\u0435\u0435 \u0434\u043e\u0445\u043e\u0434\u0430 \u0432 \u0441\u043e\u0442\u043d\u0438 \u0440\u0430\u0437, \u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u0440\u043e\u0438\u0433\u043d\u043e\u0440\u0438\u0440\u0443\u0435\u0442 \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u044b \u043b\u044e\u0434\u0435\u0439 (\u0445\u043e\u0442\u044f \u0434\u043b\u044f \u0446\u0435\u043d\u044b \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b \u0434\u043e\u0445\u043e\u0434 \u043a\u0443\u0434\u0430 \u0432\u0430\u0436\u043d\u0435\u0435!). \u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0432 \u043f\u0440\u044f\u043c\u043e\u043c \u0441\u043c\u044b\u0441\u043b\u0435 \u201c\u0441\u043e\u0439\u0434\u0435\u0442 \u0441 \u0443\u043c\u0430\u201d \u043e\u0442 \u0440\u0430\u0437\u043d\u0438\u0446\u044b \u0432 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0430\u0445.<\/p>\n<p>\u0427\u0442\u043e\u0431\u044b \u0443\u0440\u0430\u0432\u043d\u044f\u0442\u044c \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0432 \u043f\u0440\u0430\u0432\u0430\u0445, \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0443\u0436\u043d\u043e <strong>\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c<\/strong>. \u041c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c <code>StandardScaler<\/code>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0435\u0440\u0435\u0441\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u0442 \u043a\u043e\u043b\u043e\u043d\u043a\u0438 \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u0441\u0442\u0430\u043b\u043e \u0440\u0430\u0432\u043d\u043e 0, \u0430 \u0440\u0430\u0437\u0431\u0440\u043e\u0441 \u0434\u0430\u043d\u043d\u044b\u0445 \u0431\u044b\u043b \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u044b\u043c. \u041d\u0438\u043a\u0442\u043e \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u043f\u0435\u0440\u0435\u0442\u044f\u0433\u0438\u0432\u0430\u0442\u044c \u043e\u0434\u0435\u044f\u043b\u043e \u043d\u0430 \u0441\u0435\u0431\u044f.<\/p>\n<pre><code class=\"python\">from sklearn.preprocessing import StandardScaler# 1. \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043d\u0430\u0448 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 (\u043e\u0431\u044a\u0435\u043a\u0442 \u043a\u043b\u0430\u0441\u0441\u0430)scaler = StandardScaler()# 2. \"\u0423\u0447\u0438\u043c\" \u0441\u043a\u0430\u043b\u0435\u0440 \u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0441\u0440\u0430\u0437\u0443 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u0443\u0435\u043c \u0438\u0445# \u041c\u0435\u0442\u043e\u0434 2-\u0432-1: .fit_transform()X_train_scaled = scaler.fit_transform(X_train)# 3. \u0412\u0410\u0416\u041d\u041e! \u0422\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u043c\u044b \u0422\u041e\u041b\u042c\u041a\u041e \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u0443\u0435\u043c \u043c\u0435\u0442\u043e\u0434\u043e\u043c .transform()# \u041c\u044b \u041d\u0415 \u0434\u0435\u043b\u0430\u0435\u043c .fit() \u043d\u0430 \u0442\u0435\u0441\u0442\u0435, \u0438\u043d\u0430\u0447\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u0438\u0437 \u0442\u0435\u0441\u0442\u0430 \"\u043f\u0440\u043e\u0442\u0435\u0447\u0435\u0442\" \u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 # (\u044d\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f Data Leakage), \u0438 \u043c\u044b \u043e\u0431\u043c\u0430\u043d\u0435\u043c \u0441\u0430\u043c\u0438 \u0441\u0435\u0431\u044f.X_test_scaled = scaler.transform(X_test)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u043a\u043e\u0434: \u043c\u044b \u0441\u043d\u043e\u0432\u0430 \u0432\u0438\u0434\u0438\u043c \u043d\u0430\u0448 \u0435\u0434\u0438\u043d\u044b\u0439 API \u0432 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0438. \u0421\u043e\u0437\u0434\u0430\u043b\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 <code>scaler<\/code> <img decoding=\"async\" class=\"formula inline\" source=\"\\rightarrow\" alt=\"\\rightarrow\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg\" width=\"16\" height=\"16\" data-width=\"2.262\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u0432\u044b\u0437\u0432\u0430\u043b\u0438 \u043c\u0435\u0442\u043e\u0434 <code>.fit()<\/code> (\u0438\u043b\u0438 \u0433\u0438\u0431\u0440\u0438\u0434 <code>.fit_transform()<\/code>) <img decoding=\"async\" class=\"formula inline\" source=\"\\rightarrow\" alt=\"\\rightarrow\" src=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg\" width=\"16\" height=\"16\" data-width=\"2.262\" data-height=\"2.262\" data-vertical-align=\"-0.566\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 780w,&#10;       https:\/\/habrastorage.org\/getpro\/habr\/formulas\/0\/0a\/0a1\/0a183ed5142c1166275da8fb1cbbd43f.svg 781w\" loading=\"lazy\" decode=\"async\"\/> \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043b\u0438 \u043a \u0434\u0440\u0443\u0433\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u043c \u0447\u0435\u0440\u0435\u0437 <code>.transform()<\/code>. \u0412\u0441\u0451 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u043b\u043e\u0433\u0438\u0447\u043d\u043e.<\/p>\n<h2>4. \u0428\u0430\u0433 2. \u0412\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c (\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0441 \u0443\u0447\u0438\u0442\u0435\u043b\u0435\u043c)<\/h2>\n<p>\u0412 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0442 \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432: \u0434\u0435\u0440\u0435\u0432\u044c\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u0439, \u043c\u0435\u0442\u043e\u0434 \u043e\u043f\u043e\u0440\u043d\u044b\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432, \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043d\u044b\u0439 \u0431\u0443\u0441\u0442\u0438\u043d\u0433\u2026 \u041d\u043e\u0432\u0438\u0447\u043a\u0438 \u0447\u0430\u0441\u0442\u043e \u0432\u043f\u0430\u0434\u0430\u044e\u0442 \u0432 \u0441\u0442\u0443\u043f\u043e\u0440, \u043f\u044b\u0442\u0430\u044f\u0441\u044c \u0432\u044b\u0443\u0447\u0438\u0442\u044c \u0438\u0445 \u0432\u0441\u0435 \u0441\u0440\u0430\u0437\u0443.<\/p>\n<p>\u0412\u044b\u0434\u043e\u0445\u043d\u0438\u0442\u0435. \u041f\u0440\u0435\u043b\u0435\u0441\u0442\u044c <code>sklearn<\/code> \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0432\u0430\u043c \u043f\u043e\u043a\u0430 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0434\u043e\u0441\u043a\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u0437\u043d\u0430\u0442\u044c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442\u043e\u043c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0438\u0437 \u043d\u0438\u0445. \u0412\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u043b\u0438\u0448\u044c \u043f\u043e\u043d\u044f\u0442\u044c, <em>\u043a\u0430\u043a\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443<\/em> \u0432\u044b \u0440\u0435\u0448\u0430\u0435\u0442\u0435. \u0412\u0441\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441 \u0443\u0447\u0438\u0442\u0435\u043b\u0435\u043c (\u043a\u043e\u0433\u0434\u0430 \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b <code>y<\/code>) \u0436\u0435\u0441\u0442\u043a\u043e \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u0434\u0432\u0430 \u043b\u0430\u0433\u0435\u0440\u044f.<\/p>\n<h3>\u041b\u0430\u0433\u0435\u0440\u044c 1: \u0417\u0430\u0434\u0430\u0447\u0430 \u0420\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u0447\u0438\u0441\u043b\u043e)<\/h3>\n<p>\u0412\u044b \u0440\u0435\u0448\u0430\u0435\u0442\u0435 \u0437\u0430\u0434\u0430\u0447\u0443 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438, \u0435\u0441\u043b\u0438 \u0432\u0430\u0448 \u043e\u0442\u0432\u0435\u0442 \u2014 \u044d\u0442\u043e \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u0430\u044f \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0430. \u0422\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u0430 \u043d\u0430 \u0437\u0430\u0432\u0442\u0440\u0430, \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u0430 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u0430 \u0438\u043b\u0438, \u043a\u0430\u043a \u0432 \u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u0446\u0435\u043d\u0430 \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b \u0432 \u041a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0438.<\/p>\n<p>\u0414\u043b\u044f \u044d\u0442\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u043e\u0442\u043b\u0438\u0447\u043d\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0442 <code>LinearRegression<\/code> (\u043f\u0440\u043e\u0441\u0442\u0430\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c) \u0438\u043b\u0438 <code>RandomForestRegressor<\/code> (\u043c\u043e\u0449\u043d\u044b\u0439 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043b\u0435\u0441\u0430 \u0434\u0435\u0440\u0435\u0432\u044c\u0435\u0432 \u0440\u0435\u0448\u0435\u043d\u0438\u0439). \u0412\u043e\u0437\u044c\u043c\u0435\u043c \u0432\u0442\u043e\u0440\u043e\u0439, \u043e\u043d \u043e\u0431\u044b\u0447\u043d\u043e \u0441\u0440\u0430\u0437\u0443 \u0432\u044b\u0434\u0430\u0435\u0442 \u043e\u0442\u043b\u0438\u0447\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442.<\/p>\n<p>\u0418 \u0432\u043e\u0442 \u043e\u043d\u0438, \u0442\u0435 \u0441\u0430\u043c\u044b\u0435 \u043b\u0435\u0433\u0435\u043d\u0434\u0430\u0440\u043d\u044b\u0435 \u0442\u0440\u0438 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043a\u043e\u0434\u0430, \u0437\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u043b\u0430\u0442\u044f\u0442 \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u0443 \u0434\u0430\u0442\u0430-\u0441\u0430\u0435\u043d\u0442\u0438\u0441\u0442\u0430\u043c:<\/p>\n<pre><code class=\"python\">from sklearn.ensemble import RandomForestRegressor# 1. \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043f\u0443\u0441\u0442\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c (\u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c)model = RandomForestRegressor(random_state=42)# 2. \u041e\u0431\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c! \u041e\u0442\u0434\u0430\u0435\u043c \u0435\u0439 \u043e\u0442\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044bmodel.fit(X_train_scaled, y_train)# 3. \u042d\u043a\u0437\u0430\u043c\u0435\u043d. \u041f\u0440\u043e\u0441\u0438\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0446\u0435\u043d\u044b \u0434\u043b\u044f \u0440\u0430\u0439\u043e\u043d\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u0430 \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0430predictions = model.predict(X_test_scaled)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0412\u0441\u0451. \u0412 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 <code>predictions<\/code> \u0442\u0435\u043f\u0435\u0440\u044c \u043b\u0435\u0436\u0438\u0442 \u043c\u0430\u0441\u0441\u0438\u0432 \u0447\u0438\u0441\u0435\u043b \u2014 \u0446\u0435\u043d\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043b \u043d\u0430\u0448 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c.<\/p>\n<h3>\u041b\u0430\u0433\u0435\u0440\u044c 2: \u0417\u0430\u0434\u0430\u0447\u0430 \u041a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u044e)<\/h3>\n<p>\u0412\u044b \u0440\u0435\u0448\u0430\u0435\u0442\u0435 \u0437\u0430\u0434\u0430\u0447\u0443 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438, \u0435\u0441\u043b\u0438 \u0432\u0430\u0448 \u043e\u0442\u0432\u0435\u0442 \u2014 \u044d\u0442\u043e \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 (\u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u044f). \u041f\u0438\u0441\u044c\u043c\u043e: \u0441\u043f\u0430\u043c \u0438\u043b\u0438 \u043d\u0435 \u0441\u043f\u0430\u043c? \u0422\u0440\u0430\u043d\u0437\u0430\u043a\u0446\u0438\u044f: \u043c\u043e\u0448\u0435\u043d\u043d\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0438\u043b\u0438 \u043b\u0435\u0433\u0430\u043b\u044c\u043d\u0430\u044f? \u041f\u0430\u0446\u0438\u0435\u043d\u0442: \u0431\u043e\u043b\u0435\u043d \u0438\u043b\u0438 \u0437\u0434\u043e\u0440\u043e\u0432?<\/p>\n<p>\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0437\u0434\u0435\u0441\u044c \u2014 <code>LogisticRegression<\/code> <em>(\u043f\u0443\u0441\u0442\u044c \u0441\u043b\u043e\u0432\u043e \u201c\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f\u201d \u0432 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0438 \u0432\u0430\u0441 \u043d\u0435 \u043f\u0443\u0442\u0430\u0435\u0442, \u044d\u0442\u043e \u0438\u0441\u0442\u043e\u0440\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043a\u0430\u0437\u0443\u0441, \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0441\u0442\u0440\u043e\u0433\u043e \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438)<\/em> \u0438\u043b\u0438 <code>RandomForestClassifier<\/code>.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0431\u044b \u043c\u044b \u0432\u0434\u0440\u0443\u0433 \u0440\u0435\u0448\u0438\u043b\u0438 \u043f\u0435\u0440\u0435\u0434\u0435\u043b\u0430\u0442\u044c \u043d\u0430\u0448\u0443 \u043a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0439\u0441\u043a\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043d\u0435 \u0441\u0430\u043c\u0443 \u0446\u0435\u043d\u0443, \u0430 \u043f\u0440\u043e\u0441\u0442\u043e \u043a\u043b\u0430\u0441\u0441 \u0440\u0430\u0439\u043e\u043d\u0430 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, <code>1<\/code> \u2014 \u044d\u043b\u0438\u0442\u043d\u044b\u0439, <code>0<\/code> \u2014 \u043e\u0431\u044b\u0447\u043d\u044b\u0439), \u043d\u0430\u0448 \u043a\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b \u0431\u044b \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">from sklearn.linear_model import LogisticRegression# \u0422\u0435 \u0436\u0435 \u0441\u0430\u043c\u044b\u0435 3 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043a\u043e\u0434\u0430!classifier = LogisticRegression()classifier.fit(X_train_scaled, y_train_classes) # y_train_classes - \u044d\u0442\u043e \u043d\u0443\u043b\u0438 \u0438 \u0435\u0434\u0438\u043d\u0438\u0446\u044bclass_predictions = classifier.predict(X_test_scaled)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<h2>5. \u0428\u0430\u0433 3. \u041e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430: \u0410 \u043d\u0435 \u0435\u0440\u0443\u043d\u0434\u0443 \u043b\u0438 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043b\u0438?<\/h2>\n<p>\u0418\u0442\u0430\u043a, \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0430, \u043c\u0435\u0442\u043e\u0434 <code>.predict()<\/code> \u0432\u044b\u0434\u0430\u043b \u043d\u0430\u043c \u043c\u0430\u0441\u0441\u0438\u0432 \u043a\u0430\u043a\u0438\u0445-\u0442\u043e \u0447\u0438\u0441\u0435\u043b. \u0412\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u043b\u043e\u0433\u0438\u0447\u043d\u044b\u0439 \u0432\u043e\u043f\u0440\u043e\u0441: \u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043e\u043e\u0431\u0449\u0435 \u043c\u043e\u043b\u043e\u0434\u0435\u0446 \u0438\u043b\u0438 \u043e\u043d\u0430 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u0433\u043e\u0434\u0443 \u043d\u0430 \u041c\u0430\u0440\u0441\u0435? \u041d\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u0438\u0437\u043c\u0435\u0440\u0438\u0442\u044c \u0435\u0451 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e.<\/p>\n<p>\u0412 <code>sklearn<\/code> \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0435\u0441\u0442\u044c \u043c\u043e\u0434\u0443\u043b\u044c <code>metrics<\/code>. \u041c\u0435\u0442\u0440\u0438\u043a \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u043e\u0433\u0440\u043e\u043c\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e, \u043d\u043e \u0434\u043b\u044f \u0441\u0442\u0430\u0440\u0442\u0430 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c \u0434\u0432\u0435 \u0433\u043b\u0430\u0432\u043d\u044b\u0435 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0438.<\/p>\n<h3>\u0414\u043b\u044f \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438: \u041f\u043e\u043d\u044f\u0442\u043d\u0430\u044f \u0431\u0438\u0437\u043d\u0435\u0441\u0443 MAE<\/h3>\n<p>\u0412 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 (\u0433\u0434\u0435 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u043b\u0438 \u0446\u0435\u043d\u0443 \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b) \u0441\u0430\u043c\u0430\u044f \u0438\u043d\u0442\u0443\u0438\u0442\u0438\u0432\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u2014 \u044d\u0442\u043e <strong>MAE<\/strong> (Mean Absolute Error, \u0421\u0440\u0435\u0434\u043d\u044f\u044f \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u0430\u044f \u043e\u0448\u0438\u0431\u043a\u0430).<\/p>\n<p>\u041a\u0430\u043a \u043e\u043d\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442: \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0431\u0435\u0440\u0435\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u043d\u0443\u044e \u0446\u0435\u043d\u0443 \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b, \u0432\u044b\u0447\u0438\u0442\u0430\u0435\u0442 \u0438\u0437 \u043d\u0435\u0451 \u0440\u0435\u0430\u043b\u044c\u043d\u0443\u044e \u0446\u0435\u043d\u0443 (\u0442\u0443, \u0447\u0442\u043e \u043c\u044b \u0441\u043f\u0440\u044f\u0442\u0430\u043b\u0438 \u0432 <code>y_test<\/code>), \u0443\u0431\u0438\u0440\u0430\u0435\u0442 \u043c\u0438\u043d\u0443\u0441, \u0435\u0441\u043b\u0438 \u043e\u043d \u0435\u0441\u0442\u044c, \u0438 \u0441\u0447\u0438\u0442\u0430\u0435\u0442 \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0430\u0440\u0438\u0444\u043c\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u043f\u043e \u0432\u0441\u0435\u043c \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430\u043c.<\/p>\n<p>\u0415\u0451 \u0433\u043b\u0430\u0432\u043d\u043e\u0435 \u043f\u0440\u0435\u0438\u043c\u0443\u0449\u0435\u0441\u0442\u0432\u043e \u2014 \u043e\u043d\u0430 \u0438\u0437\u043c\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u0432 \u0442\u0435\u0445 \u0436\u0435 \u201c\u043f\u043e\u043f\u0443\u0433\u0430\u044f\u0445\u201d, \u0447\u0442\u043e \u0438 \u0432\u0430\u0448\u0430 \u0446\u0435\u043b\u0435\u0432\u0430\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f. \u0411\u0438\u0437\u043d\u0435\u0441\u0443 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u043e\u0431\u044a\u044f\u0441\u043d\u044f\u0442\u044c \u0441\u043b\u043e\u0436\u043d\u0443\u044e \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443, \u0432\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435: \u00ab\u0412 \u0441\u0440\u0435\u0434\u043d\u0435\u043c \u043d\u0430\u0448\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0448\u0438\u0431\u0430\u0435\u0442\u0441\u044f \u043d\u0430 40 \u0442\u044b\u0441\u044f\u0447 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432\u00bb.<\/p>\n<pre><code class=\"python\">from sklearn.metrics import mean_absolute_error# \u0421\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u043c \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u0441 \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0430 (y_test) \u0441 \u0442\u0435\u043c, \u0447\u0442\u043e \u043d\u0430\u0440\u0435\u0448\u0430\u043b\u0430 \u043c\u043e\u0434\u0435\u043b\u044c (predictions)mae = mean_absolute_error(y_test, predictions)# \u0422\u0430\u043a \u043a\u0430\u043a \u0432 \u043a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0439\u0441\u043a\u043e\u043c \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0435 \u0446\u0435\u043d\u044b \u0443\u043a\u0430\u0437\u0430\u043d\u044b \u0432 \u0441\u043e\u0442\u043d\u044f\u0445 \u0442\u044b\u0441\u044f\u0447, # \u0443\u043c\u043d\u043e\u0436\u0438\u043c \u043d\u0430 100 000 \u0434\u043b\u044f \u043d\u0430\u0433\u043b\u044f\u0434\u043d\u043e\u0441\u0442\u0438print(f\"\u0412 \u0441\u0440\u0435\u0434\u043d\u0435\u043c \u043d\u0430\u0448\u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0448\u0438\u0431\u0430\u0435\u0442\u0441\u044f \u043d\u0430 ${mae * 100000:.0f}\") <\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<h3>\u0414\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438: \u041b\u043e\u0432\u0443\u0448\u043a\u0430 Accuracy \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u043e\u043d\u0430 \u0432\u0440\u0451\u0442<\/h3>\n<p>\u0421 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0435\u0439 (\u0433\u0434\u0435 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0438) \u0432\u0441\u0451 \u0445\u0438\u0442\u0440\u0435\u0435. \u041f\u0435\u0440\u0432\u043e\u0435, \u0447\u0442\u043e \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442 \u0432 \u0433\u043e\u043b\u043e\u0432\u0443 \u043d\u043e\u0432\u0438\u0447\u043a\u0443 \u2014 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u0442\u044c \u0434\u043e\u043b\u044e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0445 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 (<strong>Accuracy<\/strong>). \u0423\u0433\u0430\u0434\u0430\u043b\u0438 90 \u0438\u0437 100? \u0417\u043d\u0430\u0447\u0438\u0442 Accuracy 90%. \u0417\u0432\u0443\u0447\u0438\u0442 \u043b\u043e\u0433\u0438\u0447\u043d\u043e, \u043d\u043e <strong>\u043d\u0430 \u043d\u0435\u0441\u0431\u0430\u043b\u0430\u043d\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u044d\u0442\u0430 \u043c\u0435\u0442\u0440\u0438\u043a\u0430 \u043d\u0430\u0433\u043b\u043e \u0432\u0440\u0451\u0442<\/strong>.<\/p>\n<p><strong>\u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043f\u0440\u0438\u043c\u0435\u0440:<\/strong> \u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u043c\u044b \u0434\u0435\u043b\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u043b\u044f \u043f\u043e\u0438\u0441\u043a\u0430 \u0440\u0435\u0434\u043a\u043e\u0439 \u0431\u043e\u043b\u0435\u0437\u043d\u0438. \u0412 \u043d\u0430\u0448\u0435\u0439 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435 100 \u0447\u0435\u043b\u043e\u0432\u0435\u043a: 99 \u0437\u0434\u043e\u0440\u043e\u0432\u044b \u0438 1 \u0431\u043e\u043b\u0435\u043d. \u041c\u044b \u043f\u0438\u0448\u0435\u043c \u0441\u0430\u043c\u0443\u044e \u0433\u043b\u0443\u043f\u0443\u044e \u201c\u043c\u043e\u0434\u0435\u043b\u044c\u201d \u0432 \u043c\u0438\u0440\u0435, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432\u043e\u043e\u0431\u0449\u0435 \u043d\u0435 \u0441\u043c\u043e\u0442\u0440\u0438\u0442 \u043d\u0430 \u0430\u043d\u0430\u043b\u0438\u0437\u044b, \u0430 \u043f\u0440\u043e\u0441\u0442\u043e \u0432\u0441\u0435\u043c \u043f\u043e\u0434\u0440\u044f\u0434 \u0432\u044b\u0434\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442: \u00ab\u0417\u0434\u043e\u0440\u043e\u0432!\u00bb.<\/p>\n<p>\u041a\u0430\u043a\u0430\u044f \u0443 \u043d\u0435\u0435 \u0431\u0443\u0434\u0435\u0442 Accuracy? 99%! (\u041e\u043d\u0430 \u0443\u0433\u0430\u0434\u0430\u043b\u0430 99 \u0437\u0434\u043e\u0440\u043e\u0432\u044b\u0445 \u0438\u0437 100). \u0420\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e \u0432 \u0432\u043e\u0441\u0442\u043e\u0440\u0433\u0435, \u0432\u0430\u043c \u0434\u0430\u044e\u0442 \u043f\u0440\u0435\u043c\u0438\u044e, \u0430 \u0442\u043e\u0442 \u0441\u0430\u043c\u044b\u0439 1 \u0431\u043e\u043b\u044c\u043d\u043e\u0439 \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u0443\u0445\u043e\u0434\u0438\u0442 \u0431\u0435\u0437 \u043b\u0435\u0447\u0435\u043d\u0438\u044f. \u041c\u043e\u0434\u0435\u043b\u044c \u0441 \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c\u044e 99% \u043e\u043a\u0430\u0437\u0430\u043b\u0430\u0441\u044c \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u043e \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0439.<\/p>\n<p>\u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0432 \u0441\u0435\u0440\u044c\u0435\u0437\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0441\u043c\u043e\u0442\u0440\u044f\u0442 \u043d\u0430 \u0434\u0432\u0435 \u0434\u0440\u0443\u0433\u0438\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438:<\/p>\n<ol>\n<li>\n<p><strong>Precision (\u0422\u043e\u0447\u043d\u043e\u0441\u0442\u044c):<\/strong> \u0418\u0437 \u0432\u0441\u0435\u0445 \u043b\u044e\u0434\u0435\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0437\u0432\u0430\u043b\u0430 \u0431\u043e\u043b\u044c\u043d\u044b\u043c\u0438, \u0441\u043a\u043e\u043b\u044c\u043a\u043e <em>\u0440\u0435\u0430\u043b\u044c\u043d\u043e<\/em> \u0431\u043e\u043b\u044c\u043d\u044b\u0445? (\u041d\u0435 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043b\u0438 \u0447\u0430\u0441\u0442\u043e \u043c\u044b \u043f\u043e\u0434\u043d\u0438\u043c\u0430\u0435\u043c \u043b\u043e\u0436\u043d\u0443\u044e \u0442\u0440\u0435\u0432\u043e\u0433\u0443?).<\/p>\n<\/li>\n<li>\n<p><strong>Recall (\u041f\u043e\u043b\u043d\u043e\u0442\u0430):<\/strong> \u0418\u0437 \u0432\u0441\u0435\u0445 <em>\u0440\u0435\u0430\u043b\u044c\u043d\u043e<\/em> \u0431\u043e\u043b\u044c\u043d\u044b\u0445 \u043b\u044e\u0434\u0435\u0439, \u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043c\u043e\u0433\u043b\u0430 \u043d\u0430\u0439\u0442\u0438? (\u041d\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u0442\u0438\u043b\u0438 \u043b\u0438 \u043c\u044b \u043a\u043e\u0433\u043e-\u0442\u043e \u0432\u0430\u0436\u043d\u043e\u0433\u043e?).<\/p>\n<\/li>\n<\/ol>\n<p>\u0412 <code>sklearn<\/code> \u0435\u0441\u0442\u044c \u0448\u0438\u043a\u0430\u0440\u043d\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0432 \u043e\u0434\u043d\u0443 \u0441\u0442\u0440\u043e\u0447\u043a\u0443 \u0432\u044b\u0432\u043e\u0434\u0438\u0442 \u043a\u0440\u0430\u0441\u0438\u0432\u044b\u0439 \u043e\u0442\u0447\u0435\u0442 \u043f\u043e \u0432\u0441\u0435\u043c \u044d\u0442\u0438\u043c \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c \u0441\u0440\u0430\u0437\u0443:<\/p>\n<pre><code class=\"python\">from sklearn.metrics import classification_report# \u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c, \u0447\u0442\u043e \u043c\u044b \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0441 \u043d\u0430\u0448\u0435\u0439 \u0433\u0438\u043f\u043e\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0435\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0438\u0437 \u0428\u0430\u0433\u0430 2# y_test_classes - \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u043d\u0443\u043b\u0438 \u0438 \u0435\u0434\u0438\u043d\u0438\u0446\u044b (\u044d\u043b\u0438\u0442\u043d\u044b\u0439\/\u043e\u0431\u044b\u0447\u043d\u044b\u0439 \u0440\u0430\u0439\u043e\u043d)# class_predictions - \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u044b \u043d\u0430\u0448\u0435\u0439 \u043b\u043e\u0433\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438report = classification_report(y_test_classes, class_predictions)print(report)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0412\u044b\u0437\u0432\u0430\u0432 \u044d\u0442\u043e\u0442 \u043c\u0435\u0442\u043e\u0434, \u0432\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0435 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u0443\u044e \u0442\u0430\u0431\u043b\u0438\u0447\u043a\u0443, \u0433\u0434\u0435 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430 (\u044d\u043b\u0438\u0442\u043d\u044b\u0439 \u0438\u043b\u0438 \u043e\u0431\u044b\u0447\u043d\u044b\u0439) \u0431\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u043f\u0438\u0441\u0430\u043d\u044b \u0435\u0433\u043e Precision, Recall \u0438 \u043e\u0431\u0449\u0430\u044f Accuracy. \u0421\u0440\u0430\u0437\u0443 \u0432\u0438\u0434\u043d\u043e, \u0433\u0434\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u043b\u043e\u0434\u0435\u0446, \u0430 \u0433\u0434\u0435 \u0445\u0430\u043b\u0442\u0443\u0440\u0438\u0442.<\/p>\n<h2>6. \u0428\u0430\u0433 4. \u0423\u0440\u043e\u0432\u0435\u043d\u044c \u201cPro\u201d: \u0441\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0432\u0441\u0451 \u0432 Pipeline<\/h2>\n<p>\u0412\u043e\u0442 \u043c\u044b \u0438 \u0434\u043e\u0431\u0440\u0430\u043b\u0438\u0441\u044c \u0434\u043e \u043c\u043e\u043c\u0435\u043d\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442 \u0437\u0435\u043b\u0435\u043d\u043e\u0433\u043e \u043d\u043e\u0432\u0438\u0447\u043a\u0430, \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0432\u0448\u0435\u0433\u043e \u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b \u043d\u0430 YouTube, \u043e\u0442 \u043a\u0440\u0435\u043f\u043a\u043e\u0433\u043e \u0434\u0436\u0443\u043d\u0438\u043e\u0440\u0430.<\/p>\n<p>\u0412 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0445 \u0448\u0430\u0433\u0430\u0445 \u043c\u044b \u0434\u0435\u043b\u0430\u043b\u0438 \u0432\u0441\u0451 \u0440\u0443\u043a\u0430\u043c\u0438: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0441\u043e\u0437\u0434\u0430\u043b\u0438 \u0441\u043a\u0430\u043b\u0435\u0440, \u043e\u0431\u0443\u0447\u0438\u043b\u0438 \u0435\u0433\u043e \u043d\u0430 \u0442\u0440\u0435\u0439\u043d\u0435, \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043b\u0438 \u0442\u0440\u0435\u0439\u043d, \u043f\u043e\u0442\u043e\u043c \u043d\u0435 \u0437\u0430\u0431\u044b\u043b\u0438 (\u043d\u0430\u0434\u0435\u044e\u0441\u044c!) \u0430\u043a\u043a\u0443\u0440\u0430\u0442\u043d\u043e \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u0442\u044c \u0442\u0435\u0441\u0442 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e <code>.transform()<\/code>, \u0437\u0430\u0442\u0435\u043c \u0441\u043a\u043e\u0440\u043c\u0438\u043b\u0438 \u0432\u0441\u0451 \u044d\u0442\u043e \u0432 \u043c\u043e\u0434\u0435\u043b\u044c\u2026<\/p>\n<h3>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430: \u041f\u043e\u0447\u0435\u043c\u0443 \u0440\u0443\u0447\u043d\u043e\u0439 \u0442\u0440\u0443\u0434 \u2014 \u044d\u0442\u043e \u0431\u043e\u043b\u044c \u0438 \u0440\u0438\u0441\u043a<\/h3>\n<p>\u0412 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u043d\u0435 \u0438\u0437 \u043e\u0434\u043d\u043e\u0433\u043e \u0448\u0430\u0433\u0430, \u0430 \u0438\u0437 \u043f\u044f\u0442\u0438-\u0448\u0435\u0441\u0442\u0438: \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0438, \u0437\u0430\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0442\u0435\u043a\u0441\u0442 \u0432 \u0447\u0438\u0441\u043b\u0430, \u043e\u0442\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438, \u0443\u0434\u0430\u043b\u0438\u0442\u044c \u0432\u044b\u0431\u0440\u043e\u0441\u044b.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0434\u0435\u043b\u0430\u0442\u044c <code>.fit<\/code> \u0438 <code>.transform<\/code> \u0432\u0440\u0443\u0447\u043d\u0443\u044e \u043d\u0430 \u043a\u0430\u0436\u0434\u043e\u043c \u044d\u0442\u0430\u043f\u0435:<\/p>\n<ol>\n<li>\n<p><strong>\u042d\u0442\u043e \u0434\u0443\u0431\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u043a\u043e\u0434\u0430.<\/strong> \u0412\u0430\u0448 Jupyter Notebook \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u0441\u044f \u0432 \u043d\u0435\u0447\u0438\u0442\u0430\u0435\u043c\u0443\u044e \u043f\u0440\u043e\u0441\u0442\u044b\u043d\u044e \u0438\u0437 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445 \u0432\u0438\u0434\u0430 <code>X_train_scaled_encoded_filled<\/code>.<\/p>\n<\/li>\n<li>\n<p><strong>\u042d\u0442\u043e \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u0440\u0438\u0441\u043a \u0443\u0442\u0435\u0447\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (Data Leakage).<\/strong> \u0421\u0442\u043e\u0438\u0442 \u0432\u0430\u043c \u043e\u0434\u0438\u043d \u0440\u0430\u0437 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c <code>.fit_transform(X_test)<\/code> \u0432\u043c\u0435\u0441\u0442\u043e <code>.transform(X_test)<\/code>, \u043a\u0430\u043a \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u00ab\u0441\u043e\u043b\u044c\u044e\u0442\u00bb \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u043e \u0441\u0435\u0431\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0443. \u0412\u0430\u0448\u0438 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0432\u0437\u043b\u0435\u0442\u044f\u0442 \u0434\u043e \u043d\u0435\u0431\u0435\u0441, \u0432\u044b \u043e\u0431\u0440\u0430\u0434\u0443\u0435\u0442\u0435\u0441\u044c, \u0432\u044b\u043a\u0430\u0442\u0438\u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d, \u0438 \u0442\u0430\u043c \u043e\u043d\u0430 \u0441 \u0442\u0440\u0435\u0441\u043a\u043e\u043c \u043f\u0440\u043e\u0432\u0430\u043b\u0438\u0442\u0441\u044f, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435 \u043d\u0438\u0447\u0435\u043c\u0443 \u043d\u0435 \u043d\u0430\u0443\u0447\u0438\u043b\u0430\u0441\u044c.<\/p>\n<\/li>\n<\/ol>\n<h3>\u0420\u0435\u0448\u0435\u043d\u0438\u0435: \u0412\u0441\u0442\u0440\u0435\u0447\u0430\u0439\u0442\u0435 Pipeline (\u041a\u043e\u043d\u0432\u0435\u0439\u0435\u0440)<\/h3>\n<p>\u0420\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438 <code>sklearn<\/code> \u043f\u0440\u0438\u0434\u0443\u043c\u0430\u043b\u0438 \u0433\u0435\u043d\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0432\u0435\u0449\u044c \u2014 \u043a\u043b\u0430\u0441\u0441 <code>Pipeline<\/code>. \u042d\u0442\u043e \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e \u0442\u0440\u0443\u0431\u0430, \u0432 \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0432\u044b \u0434\u0440\u0443\u0433 \u0437\u0430 \u0434\u0440\u0443\u0433\u043e\u043c \u0437\u0430\u0441\u043e\u0432\u044b\u0432\u0430\u0435\u0442\u0435 \u0432\u0441\u0435 \u0448\u0430\u0433\u0438 \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0441\u0430\u043c\u0443 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u043a\u043e\u043d\u0446\u0435.<\/p>\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u0435\u0440\u0435\u043f\u0438\u0448\u0435\u043c \u043d\u0430\u0448 \u043a\u043e\u0434 \u0438\u0437 \u0428\u0430\u0433\u043e\u0432 1 \u0438 2 \u0442\u0430\u043a, \u043a\u0430\u043a \u044d\u0442\u043e \u0434\u0435\u043b\u0430\u044e\u0442 \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u044b. \u041d\u0430\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0432\u0440\u0443\u0447\u043d\u0443\u044e \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u043e\u0442\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0435.<\/p>\n<pre><code class=\"python\">from sklearn.pipeline import make_pipelinefrom sklearn.preprocessing import StandardScalerfrom sklearn.ensemble import RandomForestRegressor, RandomForestClassifier# 1. \u0421\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u043d\u0430\u0448 \u043a\u043e\u043d\u0432\u0435\u0439\u0435\u0440. # \u0414\u0430\u043d\u043d\u044b\u0435 \u0431\u0443\u0434\u0443\u0442 \u043f\u0435\u0440\u0435\u0442\u0435\u043a\u0430\u0442\u044c \u0441\u043b\u0435\u0432\u0430 \u043d\u0430\u043f\u0440\u0430\u0432\u043e: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0432 StandardScaler, \u0437\u0430\u0442\u0435\u043c \u0432 \u043c\u043e\u0434\u0435\u043b\u044c.# \u0412\u0435\u0440\u043d\u0435\u043c\u0441\u044f \u043a \u043d\u0430\u0448\u0435\u0439 \u0437\u0430\u0434\u0430\u0447\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0446\u0435\u043d (\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f):pipeline = make_pipeline(    StandardScaler(),     RandomForestRegressor(random_state=42))# \u0415\u0441\u043b\u0438 \u0431\u044b \u043c\u044b \u0440\u0435\u0448\u0430\u043b\u0438 \u0437\u0430\u0434\u0430\u0447\u0443 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 (\u0431\u043e\u043b\u0435\u043d\/\u0437\u0434\u043e\u0440\u043e\u0432), \u043a\u043e\u0434 \u0431\u044b\u043b \u0431\u044b \u0442\u0430\u043a\u0438\u043c:# pipeline = make_pipeline(StandardScaler(), RandomForestClassifier())# 2.  \u041e\u0414\u0418\u041d \u0432\u044b\u0437\u043e\u0432 .fit() \u0434\u043b\u044f \u0432\u0441\u0435\u0439 \u0446\u0435\u043f\u043e\u0447\u043a\u0438.# \u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u0441\u0430\u043c \u043f\u043e\u0439\u043c\u0435\u0442, \u0447\u0442\u043e \u0434\u043b\u044f \u0441\u043a\u0430\u043b\u0435\u0440\u0430 \u043d\u0443\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c .fit_transform(), # \u0430 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u043a\u043e\u043d\u0446\u0435 \u2014 \u043f\u0440\u043e\u0441\u0442\u043e .fit()pipeline.fit(X_train, y_train)# 3. \u041e\u0414\u0418\u041d \u0432\u044b\u0437\u043e\u0432 .predict() \u0434\u043b\u044f \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0430.# \u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u0441\u0430\u043c \u043f\u0440\u043e\u043f\u0443\u0441\u0442\u0438\u0442 X_test \u0447\u0435\u0440\u0435\u0437 .transform() \u0441\u043a\u0430\u043b\u0435\u0440\u0430 \u0438 \u043e\u0442\u0434\u0430\u0441\u0442 \u0432 \u043c\u043e\u0434\u0435\u043b\u044c.# \u041d\u0438\u043a\u0430\u043a\u043e\u0433\u043e \u0440\u0438\u0441\u043a\u0430 \u0443\u0442\u0435\u0447\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445!predictions = pipeline.predict(X_test)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p><strong>\u0427\u0442\u043e \u0437\u0434\u0435\u0441\u044c \u043f\u0440\u043e\u0438\u0437\u043e\u0448\u043b\u043e?<\/strong> \u041c\u044b \u0438\u043d\u043a\u0430\u043f\u0441\u0443\u043b\u0438\u0440\u043e\u0432\u0430\u043b\u0438 (\u0441\u043f\u0440\u044f\u0442\u0430\u043b\u0438) \u0432\u0441\u044e \u043b\u043e\u0433\u0438\u043a\u0443 \u0432 \u043e\u0434\u0438\u043d \u043e\u0431\u044a\u0435\u043a\u0442 <code>pipeline<\/code>. \u0421\u043d\u0430\u0440\u0443\u0436\u0438 \u043e\u043d \u0432\u0435\u0434\u0435\u0442 \u0441\u0435\u0431\u044f \u043a\u0430\u043a \u043e\u0431\u044b\u0447\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c: \u0443 \u043d\u0435\u0433\u043e \u0435\u0441\u0442\u044c \u0442\u0435 \u0436\u0435 \u0441\u0430\u043c\u044b\u0435 <code>.fit()<\/code> \u0438 <code>.predict()<\/code>. \u0412\u044b \u043e\u0442\u0434\u0430\u0435\u0442\u0435 \u0432 \u043d\u0435\u0433\u043e \u0441\u044b\u0440\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u0430 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0435 \u0433\u043e\u0442\u043e\u0432\u044b\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f.<\/p>\n<p>\u0418\u043c\u0435\u043d\u043d\u043e \u0432 \u0442\u0430\u043a\u043e\u043c \u0432\u0438\u0434\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u044e\u0442 \u043d\u0430 \u0436\u0435\u0441\u0442\u043a\u0438\u0439 \u0434\u0438\u0441\u043a \u0438 \u043e\u0442\u043f\u0440\u0430\u0432\u043b\u044f\u044e\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043d\u0430 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u0441\u0435\u0440\u0432\u0435\u0440\u0430.<\/p>\n<h2>7. \u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435 \u0438 \u043a\u0443\u0434\u0430 \u043a\u043e\u043f\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435<\/h2>\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u0434\u043e\u0447\u0438\u0442\u0430\u043b\u0438 \u0434\u043e \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u043c\u0435\u043d\u0442\u0430 \u0438 \u043f\u0440\u043e\u043f\u0443\u0441\u0442\u0438\u043b\u0438 \u043a\u043e\u0434 \u0447\u0435\u0440\u0435\u0437 \u0441\u0432\u043e\u0438 \u043f\u0430\u043b\u044c\u0446\u044b (\u0430 \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u0440\u043e\u0431\u0435\u0436\u0430\u043b\u0438\u0441\u044c \u0433\u043b\u0430\u0437\u0430\u043c\u0438) \u2014 \u043f\u043e\u0437\u0434\u0440\u0430\u0432\u043b\u044f\u044e. \u0412\u044b \u0442\u043e\u043b\u044c\u043a\u043e \u0447\u0442\u043e \u043f\u0440\u0435\u043e\u0434\u043e\u043b\u0435\u043b\u0438 \u0441\u0430\u043c\u0443\u044e \u0441\u043b\u043e\u0436\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c: \u043f\u043e\u043d\u044f\u043b\u0438 \u043b\u043e\u0433\u0438\u043a\u0443 \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0430.<\/p>\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u043c <strong>5 \u0433\u043b\u0430\u0432\u043d\u044b\u0445 \u043f\u0440\u0430\u0432\u0438\u043b<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u044b \u0441\u0435\u0433\u043e\u0434\u043d\u044f \u0432\u044b\u0443\u0447\u0438\u043b\u0438:<\/p>\n<ol>\n<li>\n<p><strong>API \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c.<\/strong> \u0412\u0441\u0451 \u0441\u0442\u0440\u043e\u0438\u0442\u0441\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u0441\u0432\u044f\u0442\u043e\u0439 \u0442\u0440\u043e\u0438\u0446\u044b: <code>.fit()<\/code> (\u0443\u0447\u0438\u043c\u0441\u044f), <code>.predict()<\/code> (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c), <code>.transform()<\/code> (\u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u0443\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435).<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0435 \u043e\u0431\u043c\u0430\u043d\u044b\u0432\u0430\u0439\u0442\u0435 \u0441\u0435\u0431\u044f.<\/strong> \u0412\u0441\u0435\u0433\u0434\u0430 \u0434\u0435\u043b\u0438\u0442\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438 \u0442\u0435\u0441\u0442 (<code>train_test_split<\/code>), \u0438\u043d\u0430\u0447\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u201c\u0437\u0430\u0437\u0443\u0431\u0440\u0438\u0442\u201d \u043e\u0442\u0432\u0435\u0442\u044b.<\/p>\n<\/li>\n<li>\n<p><strong>\u041c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0439\u0442\u0435 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438.<\/strong> \u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0433\u043b\u0443\u043f\u044b\u0435, \u043e\u043d\u0438 \u0432\u0435\u0440\u044f\u0442 \u0446\u0438\u0444\u0440\u0430\u043c. \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435 <code>StandardScaler<\/code>, \u0447\u0442\u043e\u0431\u044b \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u0430 \u0432 \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u0430\u0445 \u043d\u0435 \u0437\u0430\u0434\u0430\u0432\u0438\u043b\u0430 \u0432\u043e\u0437\u0440\u0430\u0441\u0442 \u0432 \u0434\u0435\u0441\u044f\u0442\u043a\u0430\u0445.<\/p>\n<\/li>\n<li>\n<p><strong>\u0421\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043d\u0430 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438.<\/strong> \u0414\u043b\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u0447\u0438\u0441\u0435\u043b \u0431\u0435\u0440\u0438\u0442\u0435 MAE, \u0430 \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0437\u0430\u0431\u0443\u0434\u044c\u0442\u0435 \u043f\u0440\u043e Accuracy \u043d\u0430 \u043d\u0435\u0441\u0431\u0430\u043b\u0430\u043d\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u2014 \u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043d\u0430 Precision \u0438 Recall.<\/p>\n<\/li>\n<li>\n<p><strong>\u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435 Pipeline.<\/strong> \u042d\u0442\u043e \u0432\u0430\u0448 \u0431\u0438\u043b\u0435\u0442 \u0432 \u043a\u043b\u0443\u0431 \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u043e\u0432. \u041e\u043d \u0441\u043f\u0430\u0441\u0430\u0435\u0442 \u043e\u0442 \u0434\u0443\u0431\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043a\u043e\u0434\u0430 \u0438 \u0443\u0442\u0435\u0447\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (data leakage).<\/p>\n<\/li>\n<\/ol>\n<p>\u0410\u043d\u043e\u043d\u0441\u044b \u043d\u043e\u0432\u044b\u0445 \u0441\u0442\u0430\u0442\u0435\u0439, \u043f\u043e\u043b\u0435\u0437\u043d\u044b\u0435 \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b\u044b, \u0430 \u0442\u0430\u043a \u0436\u0435 \u0435\u0441\u043b\u0438 \u0432 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u0443 \u0432\u0430\u0441 \u0432\u043e\u0437\u043d\u0438\u043a\u043d\u0443\u0442 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438, \u043e\u0431\u0441\u0443\u0434\u0438\u0442\u044c \u0438\u0445 \u0438\u043b\u0438 \u0437\u0430\u0434\u0430\u0442\u044c \u0432\u043e\u043f\u0440\u043e\u0441 \u043f\u043e \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u043c\u043e\u0436\u043d\u043e \u0432 <a href=\"https:\/\/t.me\/+NlTdqmVuBkIzMDBi\" rel=\"noopener noreferrer nofollow\"><strong>\u043c\u043e\u0451\u043c Telegram-\u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0435<\/strong><\/a>. \u0421\u043c\u0435\u043b\u043e \u0437\u0430\u0445\u043e\u0434\u0438\u0442\u0435, \u0435\u0441\u043b\u0438 \u0447\u0442\u043e-\u0442\u043e \u043f\u043e\u0439\u0434\u0435\u0442 \u043d\u0435 \u0442\u0430\u043a, \u2014 \u043f\u043e\u0441\u0442\u0430\u0440\u0430\u0435\u043c\u0441\u044f \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c\u0441\u044f \u0432\u043c\u0435\u0441\u0442\u0435.<\/p>\n<h3>\u0427\u0442\u043e \u043e\u0441\u0442\u0430\u043b\u043e\u0441\u044c \u0437\u0430 \u043a\u0430\u0434\u0440\u043e\u043c? (\u0412\u0430\u0448\u0435 \u0434\u043e\u043c\u0430\u0448\u043d\u0435\u0435 \u0437\u0430\u0434\u0430\u043d\u0438\u0435)<\/h3>\n<p><code>scikit-learn<\/code> \u043e\u0433\u0440\u043e\u043c\u0435\u043d, \u0438 \u0432 \u043e\u0434\u043d\u0443 \u0441\u0442\u0430\u0442\u044c\u044e \u0435\u0433\u043e \u043d\u0435 \u0432\u043f\u0438\u0445\u043d\u0443\u0442\u044c. \u0412\u043e\u0442 \u0442\u0440\u0438 \u0442\u0435\u043c\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u0430\u043c \u0441\u0442\u043e\u0438\u0442 \u0438\u0437\u0443\u0447\u0438\u0442\u044c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c\u0438, \u0447\u0442\u043e\u0431\u044b \u0441\u0442\u0430\u0442\u044c \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u044b\u043c ML-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043e\u043c:<\/p>\n<ul>\n<li>\n<p><strong>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0431\u0435\u0437 \u0443\u0447\u0438\u0442\u0435\u043b\u044f (Unsupervised Learning).<\/strong> \u0427\u0442\u043e \u0434\u0435\u043b\u0430\u0442\u044c, \u0435\u0441\u043b\u0438 \u0443 \u0432\u0430\u0441 \u043d\u0435\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 <code>y<\/code>, \u0430 \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u0434\u0430\u043d\u043d\u044b\u0435, \u0438 \u0432 \u043d\u0438\u0445 \u043d\u0443\u0436\u043d\u043e \u043d\u0430\u0439\u0442\u0438 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443? \u041f\u043e\u0447\u0438\u0442\u0430\u0439\u0442\u0435 \u043f\u0440\u043e <strong>\u041a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u044e<\/strong> (\u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c K-Means, \u0447\u0442\u043e\u0431\u044b \u0440\u0430\u0437\u0431\u0438\u0442\u044c \u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u043d\u0430 \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u044b) \u0438 <strong>PCA<\/strong> (\u043c\u0435\u0442\u043e\u0434 \u0433\u043b\u0430\u0432\u043d\u044b\u0445 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442 \u0434\u043b\u044f \u0441\u0436\u0430\u0442\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445).<\/p>\n<\/li>\n<li>\n<p><strong>\u041f\u043e\u0434\u0431\u043e\u0440 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.<\/strong> \u0412 \u043d\u0430\u0448\u0435\u043c \u043a\u043e\u0434\u0435 \u043c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u201c\u0438\u0437 \u043a\u043e\u0440\u043e\u0431\u043a\u0438\u201d \u0441 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430\u043c\u0438 \u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e. \u041d\u043e \u0443 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u0435\u0441\u0442\u044c \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u043a\u0440\u0443\u0442\u0438\u043b\u043e\u043a (\u0433\u043b\u0443\u0431\u0438\u043d\u0430 \u0434\u0435\u0440\u0435\u0432\u044c\u0435\u0432, \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f). \u041f\u043e\u0447\u0438\u0442\u0430\u0439\u0442\u0435 \u043f\u0440\u043e <code>GridSearchCV<\/code> \u2014 \u043e\u043d \u0443\u043c\u0435\u0435\u0442 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043f\u0435\u0440\u0435\u0431\u0438\u0440\u0430\u0442\u044c \u044d\u0442\u0438 \u043a\u0440\u0443\u0442\u0438\u043b\u043a\u0438 \u0438 \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u044c \u043b\u0443\u0447\u0448\u0443\u044e \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u044e.<\/p>\n<\/li>\n<li>\n<p><strong>\u041a\u0440\u043e\u0441\u0441-\u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u044f (Cross-Validation).<\/strong> \u0420\u0430\u0437\u0431\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 <code>train<\/code> \u0438 <code>test<\/code> \u043e\u0434\u0438\u043d \u0440\u0430\u0437 \u2014 \u044d\u0442\u043e \u0445\u043e\u0440\u043e\u0448\u043e, \u043d\u043e \u0440\u0430\u0437\u0431\u0438\u0432\u0430\u0442\u044c \u0438\u0445 \u043d\u0430 5 \u0447\u0430\u0441\u0442\u0435\u0439 \u0438 \u0433\u043e\u043d\u044f\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e \u043a\u0440\u0443\u0433\u0443, \u043c\u0435\u043d\u044f\u044f \u0442\u0435\u0441\u0442\u043e\u0432\u0443\u044e \u0447\u0430\u0441\u0442\u044c (<code>K-Fold<\/code>) \u2014 \u044d\u0442\u043e \u043d\u0430\u0434\u0435\u0436\u043d\u043e.<\/p>\n<\/li>\n<\/ul>\n<h3>\u041f\u043e\u043b\u0435\u0437\u043d\u044b\u0435 \u0441\u0441\u044b\u043b\u043a\u0438 \u0434\u043b\u044f \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0438<\/h3>\n<ol>\n<li>\n<p><a href=\"https:\/\/scikit-learn.org\/stable\/user_guide.html\" rel=\"noopener noreferrer nofollow\"><strong>\u041e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u0430\u044f \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044f scikit-learn<\/strong><\/a> \u2014 \u044f \u043d\u0435 \u0448\u0443\u0447\u0443, \u044d\u0442\u043e \u043e\u0434\u043d\u0430 \u0438\u0437 \u043b\u0443\u0447\u0448\u0438\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0439 \u0432 \u043c\u0438\u0440\u0435 \u043e\u043f\u0435\u043d\u0441\u043e\u0440\u0441\u0430. \u042d\u0442\u043e \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0441\u043f\u0440\u0430\u0432\u043e\u0447\u043d\u0438\u043a \u043f\u043e \u043a\u043e\u0434\u0443, \u044d\u0442\u043e \u043f\u043e\u043b\u043d\u043e\u0446\u0435\u043d\u043d\u044b\u0439 \u0438 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439 \u0443\u0447\u0435\u0431\u043d\u0438\u043a \u043f\u043e \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c\u0443 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e \u0441 \u043a\u0440\u0443\u0442\u0435\u0439\u0448\u0438\u043c\u0438 \u0433\u0440\u0430\u0444\u0438\u043a\u0430\u043c\u0438 \u0438 \u043e\u0431\u044a\u044f\u0441\u043d\u0435\u043d\u0438\u0435\u043c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438. \u0427\u0438\u0442\u0430\u0439\u0442\u0435 User Guide.<\/p>\n<\/li>\n<li>\n<p><strong>\u0414\u0430\u0442\u0430\u0441\u0435\u0442\u044b \u0434\u043b\u044f \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0438 (Kaggle):<\/strong> <\/p>\n<ul>\n<li>\n<p><em>\u0414\u043b\u044f \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438:<\/em> <a href=\"https:\/\/www.kaggle.com\/datasets\/mirichoi0218\/insurance\" rel=\"noopener noreferrer nofollow\">Medical Cost Personal Datasets<\/a> \u2014 \u043f\u043e\u043f\u0440\u043e\u0431\u0443\u0439\u0442\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u043c\u0435\u0434\u0438\u0446\u0438\u043d\u0441\u043a\u043e\u0439 \u0441\u0442\u0440\u0430\u0445\u043e\u0432\u043a\u0438 \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0432\u043e\u0437\u0440\u0430\u0441\u0442\u0430, \u0418\u041c\u0422 \u0438 \u043a\u0443\u0440\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p><em>\u0414\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438:<\/em> <a href=\"https:\/\/www.kaggle.com\/competitions\/spaceship-titanic\" rel=\"noopener noreferrer nofollow\">Spaceship Titanic<\/a> \u2014 \u0432\u0435\u0441\u0435\u043b\u0430\u044f \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u0430 \u0437\u0430\u0435\u0437\u0436\u0435\u043d\u043d\u043e\u043c\u0443 \u0422\u0438\u0442\u0430\u043d\u0438\u043a\u0443. \u041f\u0440\u0435\u0434\u0441\u043a\u0430\u0436\u0438\u0442\u0435, \u043a\u043e\u0433\u043e \u0438\u0437 \u043f\u0430\u0441\u0441\u0430\u0436\u0438\u0440\u043e\u0432 \u043a\u043e\u0441\u043c\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043a\u043e\u0440\u0430\u0431\u043b\u044f \u043f\u0435\u0440\u0435\u043d\u0435\u0441\u043b\u043e \u0432 \u0434\u0440\u0443\u0433\u043e\u0435 \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u0435.<\/p>\n<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n<\/div>\n<p>\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\/1031044\/\">https:\/\/habr.com\/ru\/articles\/1031044\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>1. \u0412\u0432\u0435\u0434\u0435\u043d\u0438\u0435: \u0447\u0442\u043e \u0437\u0430 \u0437\u0432\u0435\u0440\u044c \u044d\u0442\u043e\u0442 scikit-learn \u0438 \u0437\u0430\u0447\u0435\u043c \u043e\u043d \u0432\u0430\u043c\u0415\u0441\u043b\u0438 \u0432\u044b \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0435 \u043f\u043e\u0433\u0440\u0443\u0436\u0430\u0442\u044c\u0441\u044f \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 Python, scikit-learn (\u0432 \u043d\u0430\u0440\u043e\u0434\u0435 \u043f\u0440\u043e\u0441\u0442\u043e sklearn) \u2014 \u044d\u0442\u043e \u0432\u0430\u0448\u0430 \u043e\u0442\u043f\u0440\u0430\u0432\u043d\u0430\u044f \u0442\u043e\u0447\u043a\u0430. \u042d\u0442\u043e \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u044b\u0439 \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442 \u0438 \u0448\u0432\u0435\u0439\u0446\u0430\u0440\u0441\u043a\u0438\u0439 \u043d\u043e\u0436 \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e ML.\u0414\u043b\u044f \u0447\u0435\u0433\u043e \u043e\u043d \u0438\u0434\u0435\u0430\u043b\u0435\u043d:\u0422\u0430\u0431\u043b\u0438\u0447\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435. \u0412\u0441\u0451, \u0447\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0432 \u0432\u0438\u0434\u0435 CSV-\u0444\u0430\u0439\u043b\u0430 \u0438\u043b\u0438 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432 \u0431\u0430\u0437\u0435 \u0434\u0430\u043d\u043d\u044b\u0445.\u041a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438. \u041f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0446\u0435\u043d\u0443 \u043f\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u043d\u043e\u0433\u043e \u0430\u0432\u0442\u043e (\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f), \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c, \u0431\u043e\u043b\u0435\u043d \u043f\u0430\u0446\u0438\u0435\u043d\u0442 \u0438\u043b\u0438 \u0437\u0434\u043e\u0440\u043e\u0432 (\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f), \u0438\u043b\u0438 \u0440\u0430\u0437\u0431\u0438\u0442\u044c \u043f\u043e\u043a\u0443\u043f\u0430\u0442\u0435\u043b\u0435\u0439 \u043d\u0430 \u0441\u0435\u0433\u043c\u0435\u043d\u0442\u044b \u0434\u043b\u044f \u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433\u0430 (\u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u044f).\u0414\u043b\u044f \u0447\u0435\u0433\u043e \u043e\u043d \u041d\u0415 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442:\u0413\u043b\u0443\u0431\u043e\u043a\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 (Deep Learning).\u0420\u0430\u0431\u043e\u0442\u0430 \u0441 \u00ab\u0442\u044f\u0436\u0435\u043b\u044b\u043c\u0438\u00bb \u043d\u0435\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u043c\u0438 \u0434\u0430\u043d\u043d\u044b\u043c\u0438: \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u043b\u0438\u0446 \u043d\u0430 \u0444\u043e\u0442\u043e, \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0432\u0438\u0434\u0435\u043e \u0438\u043b\u0438 \u0430\u0443\u0434\u0438\u043e.\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u043e\u0432\u0435\u0442: \u0435\u0441\u043b\u0438 \u0432\u0430\u0448\u0430 \u0437\u0430\u0434\u0430\u0447\u0430 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439, sklearn \u0432\u0430\u043c \u043d\u0435 \u043f\u043e\u043c\u043e\u0449\u043d\u0438\u043a \u2014 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043d\u0443\u0436\u043d\u043e \u0431\u0440\u0430\u0442\u044c PyTorch \u0438\u043b\u0438 TensorFlow.\u0427\u0442\u043e \u043d\u0443\u0436\u043d\u043e \u0437\u043d\u0430\u0442\u044c, \u043f\u0440\u0435\u0436\u0434\u0435 \u0447\u0435\u043c \u0447\u0438\u0442\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435? \u042f \u043d\u0435 \u0431\u0443\u0434\u0443 \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u0442\u044c \u0432\u0430\u043c \u0438\u043b\u043b\u044e\u0437\u0438\u044e, \u0447\u0442\u043e ML \u2014 \u044d\u0442\u043e \u043c\u0430\u0433\u0438\u044f \u0438\u0437 \u0434\u0432\u0443\u0445 \u0441\u0442\u0440\u043e\u0447\u0435\u043a \u043a\u043e\u0434\u0430, \u043f\u043e\u043d\u044f\u0442\u043d\u0430\u044f \u0432\u043e\u043e\u0431\u0449\u0435 \u0432\u0441\u0435\u043c. \u0427\u0442\u043e\u0431\u044b \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043d\u0438\u0436\u0435 \u043d\u0435 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b\u0438 \u043a\u0430\u043a \u0437\u0430\u043a\u043b\u0438\u043d\u0430\u043d\u0438\u044f, \u0432\u0430\u043c \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f \u0431\u0430\u0437\u043e\u0432\u044b\u0439 \u0434\u0436\u0435\u043d\u0442\u043b\u044c\u043c\u0435\u043d\u0441\u043a\u0438\u0439 \u043d\u0430\u0431\u043e\u0440:Python \u2014 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445, \u0444\u0443\u043d\u043a\u0446\u0438\u0439 \u0438 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0432\u044b\u0437\u044b\u0432\u0430\u0442\u044c \u043c\u0435\u0442\u043e\u0434\u044b \u0443 \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u0432. \u041c\u043e\u044f \u0441\u0442\u0430\u0442\u044c\u044f \u043a\u0430\u043a \u0432\u044b\u0443\u0447\u0438\u0442\u044c Python \u0438 \u043d\u0435 \u0440\u0430\u0437\u043e\u0440\u0438\u0442\u044c\u0441\u044f: 5 \u043b\u0443\u0447\u0448\u0438\u0445 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0445 \u043a\u0443\u0440\u0441\u043e\u0432 \u0434\u043b\u044f \u043d\u043e\u0432\u0438\u0447\u043a\u043e\u0432.pandas \u2014 \u0445\u043e\u0442\u044f \u0431\u044b \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u00ab\u043c\u043e\u0433\u0443 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u0442\u044c \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430 \u043a\u043e\u043b\u043e\u043d\u043a\u0438\u00bb. \u041c\u043e\u0439 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439 \u043a\u0443\u0440\u0441 \u043d\u0430 Stepik Pandas \u0434\u043b\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0434\u0430\u043d\u043d\u044b\u0445: \u041f\u043e\u043b\u043d\u044b\u0439 \u043a\u0443\u0440\u0441.numpy \u2014 \u0431\u0430\u0437\u043e\u0432\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u043e \u0442\u043e\u043c, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u043c\u0430\u0441\u0441\u0438\u0432\u044b \u0438 \u043c\u0430\u0442\u0440\u0438\u0446\u044b. \u041c\u043e\u044f \u0441\u0442\u0430\u0442\u044c\u044f NumPy \u0441 \u043d\u0443\u043b\u044f: \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0439 \u0433\u0430\u0439\u0434 \u0434\u043b\u044f \u0442\u0435\u0445, \u043a\u0442\u043e \u0445\u043e\u0447\u0435\u0442 \u0432 Data Science.\u0415\u0441\u043b\u0438 \u044d\u0442\u043e\u0442 \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442 \u0435\u0441\u0442\u044c \u2014 \u043e\u0442\u043b\u0438\u0447\u043d\u043e. \u041f\u043e\u0435\u0445\u0430\u043b\u0438 \u0440\u0430\u0437\u0431\u0438\u0440\u0430\u0442\u044c\u0441\u044f, \u043a\u0430\u043a \u0442\u0443\u0442 \u0432\u0441\u0451 \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u043e.2. \u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0441\u0435\u043a\u0440\u0435\u0442 sklearn: \u0415\u0434\u0438\u043d\u044b\u0439 API\u0417\u043d\u0430\u0435\u0442\u0435, \u043f\u043e\u0447\u0435\u043c\u0443 scikit-learn \u0442\u0430\u043a \u043b\u044e\u0431\u044f\u0442? \u0418\u0437-\u0437\u0430 \u0435\u0433\u043e \u0433\u0435\u043d\u0438\u0430\u043b\u044c\u043d\u043e\u0439 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u043e\u0441\u0442\u0438. \u0420\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0441\u0434\u0435\u043b\u0430\u043b\u0438 \u0442\u0430\u043a, \u0447\u0442\u043e \u0432\u0430\u043c \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0443\u0447\u0438\u0442\u044c \u043d\u043e\u0432\u044b\u0439 \u0441\u0438\u043d\u0442\u0430\u043a\u0441\u0438\u0441 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430.\u041f\u043e\u043d\u044f\u0432 \u043f\u0440\u0438\u043d\u0446\u0438\u043f \u043e\u0434\u0438\u043d \u0440\u0430\u0437, \u0432\u044b \u0441\u043c\u043e\u0436\u0435\u0442\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438 \u043f\u0440\u043e\u0441\u0442\u0443\u044e \u043b\u0438\u043d\u0435\u0439\u043d\u0443\u044e \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044e, \u0438 \u043d\u0430\u0432\u043e\u0440\u043e\u0447\u0435\u043d\u043d\u044b\u0439 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u043b\u0435\u0441, \u043f\u0440\u043e\u0441\u0442\u043e \u043c\u0435\u043d\u044f\u044f \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430. \u0412\u0441\u0451 \u0441\u0442\u0440\u043e\u0438\u0442\u0441\u044f \u0432\u043e\u043a\u0440\u0443\u0433 \u0435\u0434\u0438\u043d\u043e\u0433\u043e \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u0430 (API) \u0438 \u0434\u0432\u0443\u0445 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439: \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u0444\u043e\u0440\u043c\u0430\u0442\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438  \u043c\u0435\u0442\u043e\u0434\u043e\u0432.\u041a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u044f 1: \u041c\u0430\u0442\u0440\u0438\u0446\u0430 X \u0438 \u0432\u0435\u043a\u0442\u043e\u0440 y\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043d\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u044e\u0442 \u0430\u0431\u0441\u0442\u0440\u0430\u043a\u0442\u043d\u044b\u0445 \u0441\u043b\u043e\u0432. \u0418\u043c \u043d\u0443\u0436\u043d\u044b \u0446\u0438\u0444\u0440\u044b, \u0440\u0430\u0437\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0435 \u043f\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c \u043f\u043e\u043b\u043e\u0447\u043a\u0430\u043c. \u0412 ML \u044d\u0442\u0438 \u043f\u043e\u043b\u043e\u0447\u043a\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u0434\u0432\u0435 \u0447\u0430\u0441\u0442\u0438:\u041c\u0430\u0442\u0440\u0438\u0446\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 X (\u0431\u043e\u043b\u044c\u0448\u0430\u044f X): \u042d\u0442\u043e \u0432\u0430\u0448\u0430 \u043e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438. \u0415\u0441\u043b\u0438 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u0446\u0435\u043d\u0443 \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b, \u0442\u043e X \u2014 \u044d\u0442\u043e \u043f\u043b\u043e\u0449\u0430\u0434\u044c, \u044d\u0442\u0430\u0436, \u0443\u0434\u0430\u043b\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0442 \u043c\u0435\u0442\u0440\u043e. \u041f\u043e \u0441\u0443\u0442\u0438, \u044d\u0442\u043e \u0432\u0430\u0448 \u0434\u0430\u0442\u0430\u0444\u0440\u0435\u0439\u043c (\u0442\u0430\u0431\u043b\u0438\u0446\u0430) \u0431\u0435\u0437 \u0442\u043e\u0439 \u043a\u043e\u043b\u043e\u043d\u043a\u0438, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u044b \u043f\u044b\u0442\u0430\u0435\u043c\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c.\u0412\u0435\u043a\u0442\u043e\u0440 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 y (\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f y): \u042d\u0442\u043e \u043d\u0430\u0448\u0430 \u0446\u0435\u043b\u044c (target). \u0422\u0430 \u0441\u0430\u043c\u0430\u044f \u043a\u043e\u043b\u043e\u043d\u043a\u0430 \u0441 \u0446\u0435\u043d\u0430\u043c\u0438, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u044b \u043e\u0442\u0440\u0435\u0437\u0430\u043b\u0438 \u043e\u0442 \u0442\u0430\u0431\u043b\u0438\u0446\u044b X. \u042d\u0442\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u0431\u0443\u0434\u0435\u0442 \u0443\u0447\u0438\u0442\u044c\u0441\u044f.\u041f\u043e\u0447\u0435\u043c\u0443 X \u0431\u043e\u043b\u044c\u0448\u0430\u044f, \u0430 y \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f? \u042d\u0442\u043e \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u044f: X \u2014 \u044d\u0442\u043e \u0434\u0432\u0443\u043c\u0435\u0440\u043d\u0430\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430, \u0430 y \u2014 \u043e\u0434\u043d\u043e\u043c\u0435\u0440\u043d\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440.\u041a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u044f 2\u0412\u0441\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0441 \u043b\u044e\u0431\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0438\u043b\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u043c \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 sklearn \u0441\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u043a \u0442\u0440\u0435\u043c \u0433\u043b\u0430\u0432\u043d\u044b\u043c \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u043c:.fit() \u2014 \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 (\u043f\u043e\u0438\u0441\u043a \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0435\u0439) \u0412\u044b \u0433\u043e\u0432\u043e\u0440\u0438\u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u0438: \u00ab\u0421\u043c\u043e\u0442\u0440\u0438, \u0432\u043e\u0442 \u0434\u0430\u043d\u043d\u044b\u0435 (X), \u0430 \u0432\u043e\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b (y). \u0418\u0449\u0438 \u0441\u0432\u044f\u0437\u044c!\u00bb. \u0412 \u043a\u043e\u0434\u0435 \u044d\u0442\u043e \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0430\u0440\u043d\u043e: model.fit(X, y). \u0412 \u044d\u0442\u043e\u0442 \u043c\u043e\u043c\u0435\u043d\u0442 \u0432\u043d\u0443\u0442\u0440\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043a\u0440\u0443\u0442\u0438\u0442\u0441\u044f \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430, \u0438 \u043e\u043d \u00ab\u0443\u043c\u043d\u0435\u0435\u0442\u00bb..predict() \u2014 \u041f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 (\u044d\u043a\u0437\u0430\u043c\u0435\u043d) \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0443\u0447\u0438\u043b\u0430\u0441\u044c. \u0422\u0435\u043f\u0435\u0440\u044c \u043c\u044b \u0434\u0430\u0435\u043c \u0435\u0439 \u043d\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u0430 \u0440\u0430\u043d\u044c\u0448\u0435 \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0430 (\u043d\u0430\u0437\u043e\u0432\u0435\u043c \u0438\u0445 X_new), \u0438 \u043f\u0440\u043e\u0441\u0438\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u044b. \u041a\u043e\u0434: predictions = model.predict(X_new). \u041c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0441\u0442 \u0441\u0432\u043e\u0439 \u043c\u0430\u0441\u0441\u0438\u0432 \u0441 \u043e\u0442\u0432\u0435\u0442\u0430\u043c\u0438..transform() \u2014 \u041f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 (\u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445) \u042d\u0442\u043e\u0442 \u043c\u0435\u0442\u043e\u0434 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u043d\u0435 \u0434\u043b\u044f \u0441\u0430\u043c\u0438\u0445 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0439, \u0430 \u0434\u043b\u044f \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u0432\u0441\u0435 \u0447\u0438\u0441\u043b\u0430 \u043a \u043e\u0434\u043d\u043e\u043c\u0443 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0443 \u0438\u043b\u0438 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0438). \u0418\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u201c\u0438\u0437\u0443\u0447\u0430\u0435\u0442\u201d \u0434\u0430\u043d\u043d\u044b\u0435 \u0447\u0435\u0440\u0435\u0437 .fit(), \u0430 \u043f\u043e\u0442\u043e\u043c \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u0438 \u043c\u0435\u043d\u044f\u0435\u0442 \u0438\u0445 \u0447\u0435\u0440\u0435\u0437 .transform(). \u041b\u0430\u0439\u0444\u0445\u0430\u043a: \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u043c\u0435\u0442\u043e\u0434-\u0433\u0438\u0431\u0440\u0438\u0434 .fit_transform(), \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u0435\u043b\u0430\u0435\u0442 \u043e\u0431\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0437\u0430 \u043e\u0434\u0438\u043d \u0448\u0430\u0433.\u0418\u0442\u043e\u0433\u043e: \u0421\u043e\u0437\u0434\u0430\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c  \u0441\u043a\u043e\u0440\u043c\u0438\u043b\u0438 \u0435\u0439 \u0434\u0430\u043d\u043d\u044b\u0435 \u0447\u0435\u0440\u0435\u0437 .fit(X, y)  \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043f\u0440\u043e\u0433\u043d\u043e\u0437\u044b \u0447\u0435\u0440\u0435\u0437 .predict(X_new). \u042d\u0442\u043e \u0431\u0430\u0437\u0430, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0441\u0442\u0440\u043e\u0438\u0442\u0441\u044f 90% \u043a\u043e\u0434\u0430 \u0432 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u043c ML.3. \u0428\u0430\u0433 1. \u041f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445: \u0420\u0430\u0437\u0434\u0435\u043b\u044f\u0439 \u0438 \u0432\u043b\u0430\u0441\u0442\u0432\u0443\u0439\u041f\u0440\u0435\u0436\u0434\u0435 \u0447\u0435\u043c \u0441\u043a\u0430\u0440\u043c\u043b\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0443, \u0438\u0445 \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u0438\u0442\u044c. \u0412 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0436\u0435\u0441\u0442\u043a\u043e\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u043e: \u00ab\u043c\u0443\u0441\u043e\u0440 \u043d\u0430 \u0432\u0445\u043e\u0434\u0435 \u2014 \u043c\u0443\u0441\u043e\u0440 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435\u00bb.\u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u0437\u0430\u0433\u0440\u0443\u0437\u0438\u043c \u043d\u0430\u0448\u0438 \u0434\u0430\u043d\u043d\u044b\u0435:import pandas as pdfrom sklearn.datasets import fetch_california_housing# \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442california = fetch_california_housing()# \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 X (\u043d\u0430\u0448\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u0430) \u0438 \u0432\u0435\u043a\u0442\u043e\u0440 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 y (\u043d\u0430\u0448\u0430 \u0446\u0435\u043b\u044c &#8212; \u0446\u0435\u043d\u0430)X = pd.DataFrame(california.data, columns=california.feature_names)y = california.target # \u0426\u0435\u043d\u0430 \u0432 \u0441\u043e\u0442\u043d\u044f\u0445 \u0442\u044b\u0441\u044f\u0447 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432\u0420\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 (Train\/Test Split)\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u0432\u044b \u0448\u043a\u043e\u043b\u044c\u043d\u044b\u0439 \u0443\u0447\u0438\u0442\u0435\u043b\u044c. \u0412\u044b \u0434\u0430\u043b\u0438 \u0443\u0447\u0435\u043d\u0438\u043a\u0430\u043c \u0432\u044b\u0443\u0447\u0438\u0442\u044c 10 \u0431\u0438\u043b\u0435\u0442\u043e\u0432, \u0430 \u043d\u0430 \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0435 \u0441\u043f\u0440\u043e\u0441\u0438\u043b\u0438 \u0440\u043e\u0432\u043d\u043e \u044d\u0442\u0438 \u0436\u0435 10 \u0431\u0438\u043b\u0435\u0442\u043e\u0432. \u0412\u0441\u0435 \u0441\u0434\u0430\u043b\u0438 \u043d\u0430 \u043f\u044f\u0442\u0435\u0440\u043a\u0438. \u0417\u043d\u0430\u0447\u0438\u0442 \u043b\u0438 \u044d\u0442\u043e, \u0447\u0442\u043e \u0443\u0447\u0435\u043d\u0438\u043a\u0438 \u0433\u0435\u043d\u0438\u0430\u043b\u044c\u043d\u043e \u0437\u043d\u0430\u044e\u0442 \u043f\u0440\u0435\u0434\u043c\u0435\u0442? \u041d\u0435\u0442, \u043e\u043d\u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0437\u0430\u0437\u0443\u0431\u0440\u0438\u043b\u0438 \u043e\u0442\u0432\u0435\u0442\u044b.\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0442\u043e\u0436\u0435 \u043e\u0431\u043e\u0436\u0430\u044e\u0442 \u00ab\u0437\u0430\u0437\u0443\u0431\u0440\u0438\u0432\u0430\u0442\u044c\u00bb \u0434\u0430\u043d\u043d\u044b\u0435 (\u044d\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u0435\u0440\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u043c). \u0427\u0442\u043e\u0431\u044b \u0447\u0435\u0441\u0442\u043d\u043e \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c, \u043c\u044b \u0434\u043e\u043b\u0436\u043d\u044b \u0441\u043f\u0440\u044f\u0442\u0430\u0442\u044c \u043e\u0442 \u043d\u0435\u0435 \u0447\u0430\u0441\u0442\u044c \u043a\u0432\u0430\u0440\u0442\u0438\u0440 \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0430 \u043f\u043e\u0442\u043e\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u044d\u0442\u0443 \u0437\u0430\u043d\u0430\u0447\u043a\u0443 \u043a\u0430\u043a \u044d\u043a\u0437\u0430\u043c\u0435\u043d. \u041c\u043e\u0434\u0435\u043b\u044c \u0434\u043e\u043b\u0436\u043d\u0430 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u044c \u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043d\u0430 \u0434\u043e\u043c\u0430\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u0430 \u043d\u0438\u043a\u043e\u0433\u0434\u0430 \u0440\u0430\u043d\u044c\u0448\u0435 \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0430.\u0420\u0443\u0431\u0438\u043c \u043d\u0430\u0448\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u0434\u0432\u0435 \u0447\u0430\u0441\u0442\u0438: \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0443\u044e (80%) \u0438 \u0442\u0435\u0441\u0442\u043e\u0432\u0443\u044e (20%).from sklearn.model_selection import train_test_split# test_size=0.2 \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442, \u0447\u0442\u043e 20% \u0434\u0430\u043d\u043d\u044b\u0445 \u0443\u0445\u043e\u0434\u0438\u0442 \u043d\u0430 &#171;\u044d\u043a\u0437\u0430\u043c\u0435\u043d&#187;# random_state=42 \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0441\u0442\u044c, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u0438 \u043a\u0430\u0436\u0434\u043e\u043c \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u0431\u0438\u043b\u0438\u0441\u044c \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043eX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)\u0412\u0441\u0451. \u0422\u0435\u043f\u0435\u0440\u044c \u0443\u0447\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u044b \u0431\u0443\u0434\u0435\u043c \u0441\u0442\u0440\u043e\u0433\u043e \u043d\u0430 X_train, \u0430 \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u2014 \u043d\u0430 X_test.\u041c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 (Scaling)\u0422\u0435\u043f\u0435\u0440\u044c \u0432\u0442\u043e\u0440\u043e\u0439, \u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u043d\u043e \u043d\u0435\u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u0439 \u0434\u043b\u044f \u043d\u043e\u0432\u0438\u0447\u043a\u043e\u0432 \u043c\u043e\u043c\u0435\u043d\u0442. \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043d\u0430 \u0434\u0432\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430 \u0438\u0437 \u043d\u0430\u0448\u0438\u0445 \u043a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0439\u0441\u043a\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445: \u043c\u0435\u0434\u0438\u0430\u043d\u043d\u044b\u0439 \u0434\u043e\u0445\u043e\u0434 (MedInc) \u0438 \u043d\u0430\u0441\u0435\u043b\u0435\u043d\u0438\u0435 \u0440\u0430\u0439\u043e\u043d\u0430 (Population).\u0415\u0441\u043b\u0438 \u043c\u044b \u0432\u044b\u0432\u0435\u0434\u0435\u043c \u043f\u0430\u0440\u0443 \u0441\u0442\u0440\u043e\u043a, \u0442\u043e \u0443\u0432\u0438\u0434\u0438\u043c, \u0447\u0442\u043e \u0434\u043e\u0445\u043e\u0434 \u0438\u0437\u043c\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u0435\u0434\u0438\u043d\u0438\u0446\u0430\u043c\u0438 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 8.3 \u2014 \u044d\u0442\u043e 83 \u0442\u044b\u0441\u044f\u0447\u0438 \u0434\u043e\u043b\u043b\u0430\u0440\u043e\u0432), \u0430 \u043d\u0430\u0441\u0435\u043b\u0435\u043d\u0438\u0435 \u2014 \u0442\u044b\u0441\u044f\u0447\u0430\u043c\u0438 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 3220 \u0447\u0435\u043b\u043e\u0432\u0435\u043a).\u0412\u043d\u0443\u0442\u0440\u0438 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0430 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0431\u0430\u0437\u043e\u0432\u0430\u044f \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0430: \u043e\u043d\u0438 \u0441\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u044e\u0442 \u0447\u0438\u0441\u043b\u0430 \u0438\u043b\u0438 \u0438\u0449\u0443\u0442 \u0440\u0430\u0441\u0441\u0442\u043e\u044f\u043d\u0438\u044f \u043c\u0435\u0436\u0434\u0443 \u0442\u043e\u0447\u043a\u0430\u043c\u0438. \u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u043d\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442 \u0444\u0438\u0437\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0441\u043c\u044b\u0441\u043b\u0430 \u043a\u043e\u043b\u043e\u043d\u043e\u043a. \u0414\u043b\u044f \u043d\u0435\u0433\u043e 3220 \u2014 \u044d\u0442\u043e \u0433\u0438\u0433\u0430\u043d\u0442\u0441\u043a\u043e\u0435 \u0447\u0438\u0441\u043b\u043e, \u0430 8.3 \u2014 \u043a\u0430\u043a\u0430\u044f-\u0442\u043e \u043c\u0435\u043b\u043e\u0447\u044c. \u0418\u0437-\u0437\u0430 \u044d\u0442\u043e\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u043e\u0436\u0435\u0442 \u0440\u0435\u0448\u0438\u0442\u044c, \u0447\u0442\u043e \u043d\u0430\u0441\u0435\u043b\u0435\u043d\u0438\u0435 \u0432\u0430\u0436\u043d\u0435\u0435 \u0434\u043e\u0445\u043e\u0434\u0430 \u0432 \u0441\u043e\u0442\u043d\u0438 \u0440\u0430\u0437, \u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u0440\u043e\u0438\u0433\u043d\u043e\u0440\u0438\u0440\u0443\u0435\u0442 \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u044b \u043b\u044e\u0434\u0435\u0439 (\u0445\u043e\u0442\u044f \u0434\u043b\u044f \u0446\u0435\u043d\u044b \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b \u0434\u043e\u0445\u043e\u0434 \u043a\u0443\u0434\u0430 \u0432\u0430\u0436\u043d\u0435\u0435!). \u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0432 \u043f\u0440\u044f\u043c\u043e\u043c \u0441\u043c\u044b\u0441\u043b\u0435 \u201c\u0441\u043e\u0439\u0434\u0435\u0442 \u0441 \u0443\u043c\u0430\u201d \u043e\u0442 \u0440\u0430\u0437\u043d\u0438\u0446\u044b \u0432 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0430\u0445.\u0427\u0442\u043e\u0431\u044b \u0443\u0440\u0430\u0432\u043d\u044f\u0442\u044c \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0432 \u043f\u0440\u0430\u0432\u0430\u0445, \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0443\u0436\u043d\u043e \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c. \u041c\u044b \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c StandardScaler, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0435\u0440\u0435\u0441\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u0442 \u043a\u043e\u043b\u043e\u043d\u043a\u0438 \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u0441\u0442\u0430\u043b\u043e \u0440\u0430\u0432\u043d\u043e 0, \u0430 \u0440\u0430\u0437\u0431\u0440\u043e\u0441 \u0434\u0430\u043d\u043d\u044b\u0445 \u0431\u044b\u043b \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u044b\u043c. \u041d\u0438\u043a\u0442\u043e \u043d\u0435 \u0431\u0443\u0434\u0435\u0442 \u043f\u0435\u0440\u0435\u0442\u044f\u0433\u0438\u0432\u0430\u0442\u044c \u043e\u0434\u0435\u044f\u043b\u043e \u043d\u0430 \u0441\u0435\u0431\u044f.from sklearn.preprocessing import StandardScaler# 1. \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043d\u0430\u0448 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 (\u043e\u0431\u044a\u0435\u043a\u0442 \u043a\u043b\u0430\u0441\u0441\u0430)scaler = StandardScaler()# 2. &#171;\u0423\u0447\u0438\u043c&#187; \u0441\u043a\u0430\u043b\u0435\u0440 \u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0441\u0440\u0430\u0437\u0443 \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u0443\u0435\u043c \u0438\u0445# \u041c\u0435\u0442\u043e\u0434 2-\u0432-1: .fit_transform()X_train_scaled = scaler.fit_transform(X_train)# 3. \u0412\u0410\u0416\u041d\u041e! \u0422\u0435\u0441\u0442\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u043c\u044b \u0422\u041e\u041b\u042c\u041a\u041e \u043f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u0443\u0435\u043c \u043c\u0435\u0442\u043e\u0434\u043e\u043c .transform()# \u041c\u044b \u041d\u0415 \u0434\u0435\u043b\u0430\u0435\u043c .fit() \u043d\u0430 \u0442\u0435\u0441\u0442\u0435, \u0438\u043d\u0430\u0447\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u0438\u0437 \u0442\u0435\u0441\u0442\u0430 &#171;\u043f\u0440\u043e\u0442\u0435\u0447\u0435\u0442&#187; \u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 # (\u044d\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f Data Leakage), \u0438 \u043c\u044b \u043e\u0431\u043c\u0430\u043d\u0435\u043c \u0441\u0430\u043c\u0438 \u0441\u0435\u0431\u044f.X_test_scaled = scaler.transform(X_test)\u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u043a\u043e\u0434: \u043c\u044b \u0441\u043d\u043e\u0432\u0430 \u0432\u0438\u0434\u0438\u043c \u043d\u0430\u0448 \u0435\u0434\u0438\u043d\u044b\u0439 API \u0432 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0438. \u0421\u043e\u0437\u0434\u0430\u043b\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 scaler  \u0432\u044b\u0437\u0432\u0430\u043b\u0438 \u043c\u0435\u0442\u043e\u0434 .fit() (\u0438\u043b\u0438 \u0433\u0438\u0431\u0440\u0438\u0434 .fit_transform())  \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043b\u0438 \u043a \u0434\u0440\u0443\u0433\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u043c \u0447\u0435\u0440\u0435\u0437 .transform(). \u0412\u0441\u0451 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u043b\u043e\u0433\u0438\u0447\u043d\u043e.4. \u0428\u0430\u0433 2. \u0412\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c (\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0441 \u0443\u0447\u0438\u0442\u0435\u043b\u0435\u043c)\u0412 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0442 \u0434\u0435\u0441\u044f\u0442\u043a\u0438 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u043e\u0432: \u0434\u0435\u0440\u0435\u0432\u044c\u044f \u0440\u0435\u0448\u0435\u043d\u0438\u0439, \u043c\u0435\u0442\u043e\u0434 \u043e\u043f\u043e\u0440\u043d\u044b\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u043e\u0432, \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043d\u044b\u0439 \u0431\u0443\u0441\u0442\u0438\u043d\u0433\u2026 \u041d\u043e\u0432\u0438\u0447\u043a\u0438 \u0447\u0430\u0441\u0442\u043e \u0432\u043f\u0430\u0434\u0430\u044e\u0442 \u0432 \u0441\u0442\u0443\u043f\u043e\u0440, \u043f\u044b\u0442\u0430\u044f\u0441\u044c \u0432\u044b\u0443\u0447\u0438\u0442\u044c \u0438\u0445 \u0432\u0441\u0435 \u0441\u0440\u0430\u0437\u0443.\u0412\u044b\u0434\u043e\u0445\u043d\u0438\u0442\u0435. \u041f\u0440\u0435\u043b\u0435\u0441\u0442\u044c sklearn \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0432\u0430\u043c \u043f\u043e\u043a\u0430 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e \u0434\u043e\u0441\u043a\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u0437\u043d\u0430\u0442\u044c \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0443 \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442\u043e\u043c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0438\u0437 \u043d\u0438\u0445. \u0412\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u043b\u0438\u0448\u044c \u043f\u043e\u043d\u044f\u0442\u044c, \u043a\u0430\u043a\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u0432\u044b \u0440\u0435\u0448\u0430\u0435\u0442\u0435. \u0412\u0441\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441 \u0443\u0447\u0438\u0442\u0435\u043b\u0435\u043c (\u043a\u043e\u0433\u0434\u0430 \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b y) \u0436\u0435\u0441\u0442\u043a\u043e \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043d\u0430 \u0434\u0432\u0430 \u043b\u0430\u0433\u0435\u0440\u044f.\u041b\u0430\u0433\u0435\u0440\u044c 1: \u0417\u0430\u0434\u0430\u0447\u0430 \u0420\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438 (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u0447\u0438\u0441\u043b\u043e)\u0412\u044b \u0440\u0435\u0448\u0430\u0435\u0442\u0435 \u0437\u0430\u0434\u0430\u0447\u0443 \u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u0438, \u0435\u0441\u043b\u0438 \u0432\u0430\u0448 \u043e\u0442\u0432\u0435\u0442 \u2014 \u044d\u0442\u043e \u043d\u0435\u043f\u0440\u0435\u0440\u044b\u0432\u043d\u0430\u044f \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0430. \u0422\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u0430 \u043d\u0430 \u0437\u0430\u0432\u0442\u0440\u0430, \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u0430 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u0430 \u0438\u043b\u0438, \u043a\u0430\u043a \u0432 \u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435, \u0446\u0435\u043d\u0430 \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u044b \u0432 \u041a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0438.\u0414\u043b\u044f \u044d\u0442\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u043e\u0442\u043b\u0438\u0447\u043d\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0442 LinearRegression (\u043f\u0440\u043e\u0441\u0442\u0430\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c) \u0438\u043b\u0438 RandomForestRegressor (\u043c\u043e\u0449\u043d\u044b\u0439 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043b\u0435\u0441\u0430 \u0434\u0435\u0440\u0435\u0432\u044c\u0435\u0432 \u0440\u0435\u0448\u0435\u043d\u0438\u0439). \u0412\u043e\u0437\u044c\u043c\u0435\u043c \u0432\u0442\u043e\u0440\u043e\u0439, \u043e\u043d \u043e\u0431\u044b\u0447\u043d\u043e \u0441\u0440\u0430\u0437\u0443 \u0432\u044b\u0434\u0430\u0435\u0442 \u043e\u0442\u043b\u0438\u0447\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442.\u0418 \u0432\u043e\u0442 \u043e\u043d\u0438, \u0442\u0435 \u0441\u0430\u043c\u044b\u0435 \u043b\u0435\u0433\u0435\u043d\u0434\u0430\u0440\u043d\u044b\u0435 \u0442\u0440\u0438 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043a\u043e\u0434\u0430, \u0437\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u043b\u0430\u0442\u044f\u0442 \u0437\u0430\u0440\u043f\u043b\u0430\u0442\u0443 \u0434\u0430\u0442\u0430-\u0441\u0430\u0435\u043d\u0442\u0438\u0441\u0442\u0430\u043c:from sklearn.ensemble import RandomForestRegressor# 1. \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043f\u0443\u0441\u0442\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c (\u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c)model = RandomForestRegressor(random_state=42)# 2. \u041e\u0431\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c! \u041e\u0442\u0434\u0430\u0435\u043c \u0435\u0439 \u043e\u0442\u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044bmodel.fit(X_train_scaled, y_train)# 3. \u042d\u043a\u0437\u0430\u043c\u0435\u043d. \u041f\u0440\u043e\u0441\u0438\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u0442\u044c \u0446\u0435\u043d\u044b \u0434\u043b\u044f \u0440\u0430\u0439\u043e\u043d\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043e\u043d\u0430 \u043d\u0435 \u0432\u0438\u0434\u0435\u043b\u0430predictions = model.predict(X_test_scaled)\u0412\u0441\u0451. \u0412 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 predictions \u0442\u0435\u043f\u0435\u0440\u044c \u043b\u0435\u0436\u0438\u0442 \u043c\u0430\u0441\u0441\u0438\u0432 \u0447\u0438\u0441\u0435\u043b \u2014 \u0446\u0435\u043d\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043b \u043d\u0430\u0448 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c.\u041b\u0430\u0433\u0435\u0440\u044c 2: \u0417\u0430\u0434\u0430\u0447\u0430 \u041a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 (\u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u044e)\u0412\u044b \u0440\u0435\u0448\u0430\u0435\u0442\u0435 \u0437\u0430\u0434\u0430\u0447\u0443 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438, \u0435\u0441\u043b\u0438 \u0432\u0430\u0448 \u043e\u0442\u0432\u0435\u0442 \u2014 \u044d\u0442\u043e \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 (\u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u044f). \u041f\u0438\u0441\u044c\u043c\u043e: \u0441\u043f\u0430\u043c \u0438\u043b\u0438 \u043d\u0435 \u0441\u043f\u0430\u043c? \u0422\u0440\u0430\u043d\u0437\u0430\u043a\u0446\u0438\u044f: \u043c\u043e\u0448\u0435\u043d\u043d\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0438\u043b\u0438 \u043b\u0435\u0433\u0430\u043b\u044c\u043d\u0430\u044f? \u041f\u0430\u0446\u0438\u0435\u043d\u0442: \u0431\u043e\u043b\u0435\u043d \u0438\u043b\u0438 \u0437\u0434\u043e\u0440\u043e\u0432?\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0435 \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0437\u0434\u0435\u0441\u044c \u2014 LogisticRegression (\u043f\u0443\u0441\u0442\u044c \u0441\u043b\u043e\u0432\u043e \u201c\u0440\u0435\u0433\u0440\u0435\u0441\u0441\u0438\u044f\u201d \u0432 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0438 \u0432\u0430\u0441 \u043d\u0435 \u043f\u0443\u0442\u0430\u0435\u0442, \u044d\u0442\u043e \u0438\u0441\u0442\u043e\u0440\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043a\u0430\u0437\u0443\u0441, \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0441\u0442\u0440\u043e\u0433\u043e \u0434\u043b\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438) \u0438\u043b\u0438 RandomForestClassifier.\u0415\u0441\u043b\u0438 \u0431\u044b \u043c\u044b \u0432\u0434\u0440\u0443\u0433 \u0440\u0435\u0448\u0438\u043b\u0438 \u043f\u0435\u0440\u0435\u0434\u0435\u043b\u0430\u0442\u044c \u043d\u0430\u0448\u0443 \u043a\u0430\u043b\u0438\u0444\u043e\u0440\u043d\u0438\u0439\u0441\u043a\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u043d\u0435 \u0441\u0430\u043c\u0443 \u0446\u0435\u043d\u0443, \u0430 \u043f\u0440\u043e\u0441\u0442\u043e \u043a\u043b\u0430\u0441\u0441 \u0440\u0430\u0439\u043e\u043d\u0430 (\u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, 1 \u2014 \u044d\u043b\u0438\u0442\u043d\u044b\u0439, 0 \u2014 \u043e\u0431\u044b\u0447\u043d\u044b\u0439), \u043d\u0430\u0448 \u043a\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b \u0431\u044b \u0442\u0430\u043a:from sklearn.linear_model import LogisticRegression# \u0422\u0435 \u0436\u0435 \u0441\u0430\u043c\u044b\u0435 3 \u0441\u0442\u0440\u043e\u0447\u043a\u0438 \u043a\u043e\u0434\u0430!classifier = LogisticRegression()classifier.fit(X_train_scaled, y_train_classes) # y_train_classes &#8212; \u044d\u0442\u043e \u043d\u0443\u043b\u0438 \u0438 \u0435\u0434\u0438\u043d\u0438\u0446\u044bclass_predictions = classifier.predict(X_test_scaled)5. \u0428\u0430\u0433 3. \u041e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430: \u0410 \u043d\u0435 \u0435\u0440\u0443\u043d\u0434\u0443 \u043b\u0438 \u043c\u044b \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043b\u0438?\u0418\u0442\u0430\u043a, \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0430, \u043c\u0435\u0442\u043e\u0434 .predict() \u0432\u044b\u0434\u0430\u043b \u043d\u0430\u043c \u043c\u0430\u0441\u0441\u0438\u0432 \u043a\u0430\u043a\u0438\u0445-\u0442\u043e \u0447\u0438\u0441\u0435\u043b. \u0412\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u043b\u043e\u0433\u0438\u0447\u043d\u044b\u0439 \u0432\u043e\u043f\u0440\u043e\u0441: \u0430 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u043e\u043e\u0431\u0449\u0435 \u043c\u043e\u043b\u043e\u0434\u0435\u0446 \u0438\u043b\u0438 \u043e\u043d\u0430 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u0433\u043e\u0434\u0443 \u043d\u0430 \u041c\u0430\u0440\u0441\u0435? \u041d\u0430\u043c \u043d\u0443\u0436\u043d\u043e \u0438\u0437\u043c\u0435\u0440\u0438\u0442\u044c \u0435\u0451 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e.\u0412 sklearn \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0435\u0441\u0442\u044c \u043c\u043e\u0434\u0443\u043b\u044c metrics. \u041c\u0435\u0442\u0440\u0438\u043a \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u043e\u0433\u0440\u043e\u043c\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e, \u043d\u043e&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-478461","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/478461","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=478461"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/478461\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=478461"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=478461"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=478461"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}