Расскажи об опыте использования линейных моделей

Линейные модели — это основа машинного обучения. Чаще всего работаю с линейной регрессией, логистической регрессией и Lasso/Ridge. Они интерпретируемы, быстро обучаются и хорошо работают на небольших данных.

Пример с кодом:

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)
print(f"Accuracy: {model.score(X_test, y_test):.2f}")

**Нюансы:**  
- Чувствительны к мультиколлинеарности (используй Ridge/Lasso).  
- Требуют масштабирования (StandardScaler).  
- Логистическая регрессия — линейный классификатор, несмотря на название.  
- Хороши как baseline перед сложными моделями.