Главная

Разработку алгоритма SGD начните с заглушки. Загрузка данных и запуск алгоритмов уже в прекоде. Допишите класс модели:

• Добавьте в модель гиперпараметры epochs и batch_size. Соблюдая порядок, добавьте их в инициализатор класса и сохраните в атрибутах self.epochs и self.batch_size.
• В функции fit() задайте, что начальные веса w равны нулям.
• В функции predict() напишите формулу для вычисления предсказания.

Функция print() выведет значения метрики R2 на экран.

import numpy as np
import pandas as pd
from sklearn.metrics import r2_score

data_train = pd.read_csv('https://code.s3.yandex.net/datasets/train_data_n.csv')
#data_train = pd.read_csv('/datasets/train_data_n.csv')
features_train = data_train.drop(['target'], axis=1)
target_train = data_train['target']

data_test = pd.read_csv('https://code.s3.yandex.net/datasets/test_data_n.csv')
#data_test = pd.read_csv('/datasets/test_data_n.csv')
features_test = data_test.drop(['target'], axis=1)
target_test = data_test['target']


class SGDLinearRegression:
    def __init__(self, step_size,  epochs, batch_size):
        self.step_size = step_size
        self.epochs = epochs
        self.batch_size = batch_size

    def fit(self, train_features, train_target):
        X = np.concatenate((np.ones((train_features.shape[0], 1)), train_features), axis=1)
        y = train_target
        w =  np.zeros(X.shape[1])

        # в следующих задачах вы напишете здесь алгоритм SGD

        self.w = w[1:]
        self.w0 = w[0]

    def predict(self, test_features):
        return  test_features.dot(self.w) + self.w0


# мы уже передали подходящие для обучения параметры
model = SGDLinearRegression(0.01, 1, 200)
model.fit(features_train, target_train)
pred_train = model.predict(features_train)
pred_test = model.predict(features_test)
print(r2_score(target_train, pred_train).round(5))
print(r2_score(target_test, pred_test).round(5))

-0.16938
-0.14579