ML/task14/[Research]_Linear_Models_regression_[2025_2026].ipynb

Машинное обучение. ВМК МГУ

Практическое задание 3: Линейные модели: регрессия

Уровень: Исследовательский (Research)

О формате сдачи

🔷 При решении ноутбука используйте данный шаблон

✅ Можно добавлять новые ячейки любых типов
❌ Не нужно удалять текстовые ячейки c разметкой частей ноутбука и формулировками заданий

🔷 При оценивании задач учитывается код

✅ Задания, в которых необходим код, обычно помечаются фразами "Your code here"/"Ваш код" и аналогичными
❌ Ответы на вопросы без сопутствующего кода оцениваются в 0 баллов
❌ Наличе работоспособного кода в ноутбуке, если на сказано иного, обязательно

🔷 При оценивании задач учитываются выводы

✅ Задания, в которых необходимы выводы, обычно помечаются фразами Вывод"/"Ответ на вопрос"/"Ваш текст" и аналогичными
✅ Обычно выводы подразумевают под собой текстовый ответ (можно писать markdown, latex).
✅ Сопутствующие изображения, графики, таблички - приветствуются!
❌ При отсутствии выводов задание не засчитается на полный балл

---

Цель данного задания:

• Узнать, что такое переобучение и как с ним бороться в линейных моделях;
• Понять, чем отличаются разные регуляризаторы;
• Научиться решать задачу регрессии линейными моделями.

---

Примерное время выполнения (execution time/время выполнения, если нажать run all) всех ячеек ноутбука при правильной реализации: 7 минут

Подготовка рабочей среды

Сначала установим нужные нам версии библиотек. Мы гарантируем, что в данных версиях задание будет корректно отрабатывать.

После установки нужных версий, возможно, нужно перезагрузить среду (runtime), но скорее всего вам это не понадобится

На скачивание файла и установку понадобится не более 5 минут.

Важно!

Устанавливать нужные версии нужно каждый раз, когда создается новый рантайм. Например, если вы 2 часа подряд делаете это задание, то подготовить библиотеки достаточно 1 раз. Но если вы, например, начали в понедельник, затем закрыли/выключили ноутбук, то при продолжении в среду, вам нужно будет запустить рантайм заново и следовательно заново установить библиотеки.

Важно! Если вы предпочитаете делать практические задания на своем личном ноутбуке, то проверьте, что вы установили рабочее окружение в соответствии с гайдом

In [ ]:

! curl https://raw.githubusercontent.com/MSU-ML-COURSE/ML-COURSE-25-26/refs/heads/master/requirements/requirements.txt -o ./requirements_2025_26_for_colab_small.txt
! pip install -q -r ./requirements_2025_26_for_colab_small.txt

[notice] A new release of pip is available: 25.2 -> 25.3
[notice] To update, run: pip install --upgrade pip

Проверим версию библиотеки:

In [ ]:

import catboost
assert(catboost.__version__ == '1.2.8')

Теперь можно приступать к выполнению задания! :)

---

In [4]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.simplefilter("ignore")
sns.set(style="darkgrid")
%matplotlib inline

Линейная регрессия и регуляризация

Напомним, что линейная регрессия — это модель следующего вида: a(x) = \langle w, x \rangle + b где w \in \mathbb{R}^d, b \in \mathbb{R}. Обучить линейную регрессию — значит найти w и b.

В модели линейной регрессии с l_2 регуляризацией мы оптимизируем следующий функционал:

\frac{1}{N} \cdot ∑_{i=1}^M (w_1 \cdot x_{i1} + \dots w_n \cdot x_{in} + b - y_i)^2 + \frac{\alpha}{2} \cdot \left( w_1^2 + \dots + w_n^2 \right) \rightarrow \min_{w_1, \dots, w_n, b}

В модели линейной регрессии с l_1 регуляризацией мы оптимизируем следующий функционал:

\frac{1}{N} \cdot ∑_{i=1}^M (w_1 \cdot x_{i1} + \dots w_n \cdot x_{in} + b - y_i)^2 + \alpha \cdot \left( |w_1| + \dots + |w_n| \right) \rightarrow \min_{w_1, \dots, w_n, b}

Задание 1 [1 балл]

Почему при обучении линейных моделей, коэффициент b не регуляризуется? Дайте ответ с опорой на лекции. Возможно вам также поможет картика из базовой части

Ваши выводы тут:

Потому что в случае, если бы коэффициент b также регуляризовывался, то модели было бы сложно подстраиваться под новые данные, так как они могут быть смещены относительно оси Y на другое значение

Конкретнее:

• Смещение b независимо от значений признаков и добавляется отдельно ==> его резуляризация не несёт пользы
• Регуляризация применяется, чтобы снизить сложность модели и избежать переобучения, однако b не влияет на сложность модели, а значит не требует регуляризации

---

Рассмотрим модель линейной регрессии с l_2 регуляризацией. В sklearn эта модель реализована посредством класса Ridge. В нём есть методы fit и predict. Первый принимает на вход обучающую выборку и вектор целевых переменных и обучает модель, второй, будучи вызванным после обучения модели, возвращает предсказание на выборке.

Сгенерируем случайные данные. Пусть x будет обычным числом из равномерного распределения, а 𝑦=0.5 \cdot x + 0.1 — целевая переменная. При этом наблюдаем мы \overline{y} = y + \varepsilon,~\varepsilon \sim N(0, 0.01). Добавим в данные к переменной x её же умноженную на 3. То есть, теперь у нас два признака x_1 и x_2 = 3 \cdot x_1.

Поскольку y = c \cdot 0.5 \cdot x_1 + \frac{1 - c}{6} \cdot x_2 + 0.1, где c любое сколь угодно большое вещественное число. То, как мы могли убедиться в базовой части, без регуляризации есть риск выучить очень большие веса.

Посмотрим, как меняется значения весов, в зависимости от значения коэффициента регуляризации.

In [5]:

from sklearn.linear_model import Ridge

In [6]:

np.random.seed(1)
X = np.random.uniform(0, 1, 100)
Y = X * 0.5 + 0.1 + np.random.randn(100) * 0.1

X3 = np.hstack((X[:, None], 3 * X[:, None]))
Y3 = X3[:, 0] * 0.5 + 0.1 + np.random.randn(100) * 0.1

In [7]:

w1 = []
w2 = []

alphas = [0.01, 0.1, 1, 10, 100, 1000]

for alpha in alphas:
    reg = Ridge(alpha=alpha)
    reg.fit(X3, Y3)
    w1.append(reg.coef_[0])
    w2.append(reg.coef_[1])

w1 = np.array(w1)
w2 = np.array(w2)

fig, axs = plt.subplots(figsize=(14, 7), ncols=2)
axs[0].plot(alphas, w1, label="w1")
axs[0].plot(alphas, w2, label="w2")
axs[0].set_xscale("log")
axs[0].set_title("Веса регрессии при разных alpha")
axs[0].set_xlabel("alpha")
axs[0].set_ylabel("Значение весов")
axs[0].legend()
axs[1].plot(alphas, w2 / w1, label="отношение w2 к w1", linewidth=10)
axs[1].plot([0.01, 1000], [3, 3], label="отношение x2 к x1", linestyle="--", linewidth=8)
axs[1].set_xscale("log")
axs[1].set_ylim(2,4)
axs[1].set_xlabel("alpha")
axs[1].set_ylabel("Значение отношения")
axs[1].set_title("Отношение весов")
axs[1].legend()
plt.show()

Задание 2 [2 баллa]

Как думаете, почему отношение между весами постоянно? (подсказка, необходимо выписать функцию потерь и посчитать производные по весам)

Ваши выводы тут:

Функция потерь имеет вид: J(w) = \sum_{i=1}^{n} (y_i - (w_1 x_{1i} + w_2 x_{2i}))^2 + \alpha (w_1^2 + w_2^2)

Считая производные:

• \frac{\partial J}{\partial w_1} = -2 \sum_{i=1}^{n} x_{1i} (y_i - (w_1 x_{1i} + w_2 x_{2i})) + 2 \alpha w_1 = 0
• \frac{\partial J}{\partial w_2} = -2 \sum_{i=1}^{n} x_{2i} (y_i - (w_1 x_{1i} + w_2 x_{2i})) + 2 \alpha w_2 = 0

Если рассматривать конкретно наши данные (x_2=3*x_1):

• \frac{\partial J}{\partial w_1} = -2 \sum_{i=1}^{n} x_{1i} (y_i - (w_1 x_{1i} + 3 w_2 x_{1i})) + 2 \alpha w_1 = 0
• \frac{\partial J}{\partial w_2} = -2 \sum_{i=1}^{n} 3 x_{1i} (y_i - (w_1 x_{1i} + 3 w_2 x_{1i})) + 2 \alpha w_2 = 0

Если произвести вычисления: 3\frac{\partial J}{\partial w_1} -\frac{\partial J}{\partial w_2}=6 \alpha w_1- 2\alpha w_2

Получаем, что веса зависят друг от друга также, как и коэффициенты, т.е. 1 к 3.

Это объясняет постоянство отношения весов с ростом \alpha

---

Заметим, что при l_2 регуляризации в данном примере веса получились пропорциональны значениям признаков. При этом, мы знаем, что оба признака взаимно однозначны, и прогноз можно делать только по одному из них. Для этого придумана l_1 регуляризация. В билиотеке sklearn линейная регрессия с l_1 регуляризацией реализована в классе Lasso

Задание 3 [2 баллa]

Почему в нашем примере l_1 регуляризация приведёт к разреживанию весов? (подсказка, нужно опять подсчитать производную, но обратите внимание на дифференцируемость модуля).

Ваши выводы тут:

Изначальная функция имеет вид: J(w) = \sum_{i=1}^{n} (y_i - (w_1 x_{1i} + w_2 x_{2i}))^2 + \alpha (|w_1| + |w_2|)

Снова возьмём производную:

• \frac{\partial J}{\partial w_1} = -2 \sum_{i=1}^{n} x_{1i} \left( y_i - (w_1 + 3w_2) x_{1i} \right) + \alpha \cdot \text{sign}(w_1)
• \frac{\partial J}{\partial w_2} = -2 \sum_{i=1}^{n} 3x_{1i} \left( y_i - (w_1 + 3w_2) x_{1i} \right) + \alpha \cdot \text{sign}(w_2)
  • \text{sign}(w_i) - знак i-го веса

Почему у нас зануляются веса:

• Во всех точках, кроме w_i=0 у нас идёт постоянное стремление к уменьшению весов
• Т.к. в точке 0 у нас не определена производная, то это потенциальная точка для остановки
• Т.к. веса получаются линейно зависимыми, то вес может занулится, а весь вклад, который он вносил,перейдёт на первый вес

---

Добавим l_1 регуляризацию и посмотрим, как меняется значения весов, в зависимости от значения коэффициента регуляризации.

In [8]:

from sklearn.linear_model import Lasso

In [9]:

reg = Lasso(alpha=1., max_iter=1000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 1.")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])
print()

reg = Lasso(alpha=0.1, max_iter=1000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 0.1")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])
print()

reg = Lasso(alpha=0.01, max_iter=1000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 0.01")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])
print()

reg = Lasso(alpha=0.001, max_iter=1000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 0.001")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])
print()

reg = Lasso(alpha=0.0001, max_iter=1000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 0.0001")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])
print()

reg = Lasso(alpha=0.00001, max_iter=1000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 0.00001")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])
print()

Веса, при alpha = 1.
w1: 0.0 	w2: 0.0

Веса, при alpha = 0.1
w1: 0.0 	w2: 0.029684463509327023

Веса, при alpha = 0.01
w1: 0.0 	w2: 0.14506160917248503

Веса, при alpha = 0.001
w1: 0.0 	w2: 0.15659932373880084

Веса, при alpha = 0.0001
w1: 0.0 	w2: 0.1577530951954324

Веса, при alpha = 0.00001
w1: 0.3966873199145487 	w2: 0.025639365702912757

Задание 4 [2 баллa]

Почему в итоге при \alpha = 0.00001 получились веса не равные нулю?

Подсказка

Обратите внимание на то, каким странным получился вес w_2

Ваши выводы тут:

Т.к. штраф за наличие весов (коэф. \alpha) весьма низок, то модель не считает его значительным, чтобы занулять.

Пояснение:

• Оба веса вносят некоторый вклад в улучшение качества модели
• Если коэффициент \alpha не вносит достаточного штрафа, то модель не будет искать имеющуюся зависимость между весами, предпочитая оставить вес ненулевым
• Хоть вес w_2 и не ноль, он всё равно весьма мал, так что основной вклад, как и раньше, вносится вторым весов
• При увеличении числа итераций, веса могут занулиться, так как даже с практически отсутствующей регуляризацией модель сможет найти зависимость.
  • При выполнении приведённого ниже кода видно, что при увеличении числа итераций модель всё-таки зануляет один из весов ==> она дообучилась.
  • Изначально кол-ва итераций не хватило, так как модель была слишком сложной для таких простых данных (из-за малого \alpha и слабой регуляризации, которая как раз и уменьшает сложность модели)

In [ ]:

reg = Lasso(alpha=0.00001, max_iter=10000, tol=1e-4)
reg.fit(X3, Y3)
print("Веса, при alpha = 0.00001")
print("w1:", reg.coef_[0], "\tw2:", reg.coef_[1])

Веса, при alpha = 0.00001
w1: 0.0 	w2: 0.15786847234109574

---

В предущих блоках мы использовали модельные примеры, в которых y зависел от x линейно. Но так бывает далеко не всегда.

Задание 5 [1 баллa]

Придумайте, сгенерируйте и визуализируйте пример, в котором линейная регрессия будет плохо классифицировать данные.

In [19]:

from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error


def generate_polynomial_data(n_samples):
    X = np.linspace(-10, 10, n_samples)
    coeffs = [-1, 3, 2]
    y = np.polyval(coeffs, X) + np.random.uniform(0, 1, n_samples)
    X = X.reshape(-1, 1)
    return X, y


X4, Y4 = generate_polynomial_data(500)
X4_train, X4_test, Y4_train, Y4_test = train_test_split(X4, Y4, test_size=0.2, random_state=50)

reg = Ridge(alpha=0.1)
reg.fit(X4_train, Y4_train)
Y4_pred = reg.predict(X4_test)
print("MSE для модели: ", mean_squared_error(Y4_test, Y4_pred))

plt.figure(figsize=(18, 6))

plt.subplot(1, 3, 1)
plt.scatter(X4, Y4, color='blue', label='Данные')
plt.scatter(X4_test, Y4_pred, color='red', label='Предсказание')
plt.xlabel('Признак X')
plt.ylabel('Целевая y')
plt.title('Данные с пол зависимостью')
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()

MSE для модели:  810.5074902548056

Задание 6 [2 баллa]

Приведите искусственный пример (можно даже очень неправдоподобный), когда линейная регрессия с l_2 регуляризацией гарантированно занулит какой-нибудь признак? Покажите (теоретически или программно), что признак действительно зануляется

In [20]:

X1 = np.random.randn(100, 1)
X2 = np.ones((100, 1))*10
Y = 3 * X1
X = np.hstack((X1, X2))
ridge = Ridge(alpha=0.5)
ridge.fit(X, Y)

print("Коэфф Ridge-регрессии:")
print(f"w1 (X1): {ridge.coef_[0]:.4f}")
print(f"w2 (X2): {ridge.coef_[1]}")

Коэфф Ridge-регрессии:
w1 (X1): 2.9883
w2 (X2): 0.0

Ваши выводы тут:

В случае, если один из признаков константа, то модель занулит его.

Это связано с тем, что при взятии производной, мы будем получать 0, что и приведёт к занулению признака.

Выводы В первой части задания по линейным моделям мы должны были узнать: .

1. Зачем нужна регуляризация.
2. Как отбирать значащие признаки.
3. Когда линейные модели работают хорошо, а когда плохо

---

Во второй части мы будем применять линейные модели для классификации реальных данных, где мы сможем проверить наши выводы, полученные на искуственных примерах. А также убедимся в полезности нормировки и научимся работать с разными видами данных.