Какие знаешь линейные модели

Линейные модели предсказывают целевую переменную как линейную комбинацию признаков. Основные типы:

1. Линейная регрессия - минимизирует MSE. Пример:

from sklearn.linear_model import LinearRegression
model = LinearRegression().fit(X, y)

2. Ridge (L2-регуляризация) - добавляет штраф за большие веса:

from sklearn.linear_model import Ridge
model = Ridge(alpha=1.0).fit(X, y)

3. Lasso (L1-регуляризация) - обнуляет неважные веса, работает как feature selection:

from sklearn.linear_model import Lasso
model = Lasso(alpha=0.1).fit(X, y)

4. ElasticNet - комбинация L1 и L2 регуляризаций.

5. Логистическая регрессия - для классификации, использует сигмоиду:

from sklearn.linear_model import LogisticRegression
model = LogisticRegression().fit(X, y)

Ключевые особенности: интерпретируемость, быстрая обучение, чувствительность к мультиколлинеарности и масштабированию данных.