Классификация линейно неразделимых объектов с использованием библиотеки Scikit-learn (Вариант 11)

Вариант 11. Задание на контрольную работу

1. При помощи программы «XOR», получить исходные данные для задачи классификации: матрицу признаков X и массив целевых меток y.
2. Создать и обучить модель классификации на основе метода опорных векторов, использующую RBF-ядро. Выбрать оптимальные гиперпараметры модели. Определить и вывести на печать удельные количества ошибок на обучающем и тестовом подмножествах данных. Построить график области решений при помощи функции plot_decision_regions(), разработанной ранее на практических занятиях.
3. Создать и обучить модель классификации на основе построения дерева решений. Выбрать оптимальные гиперпараметры модели. Определить и вывести на печать удельные количества ошибок на обучающем и тестовом подмножествах данных. Построить график области решений при помощи функции plot_decision_regions(), разработанной ранее на практических занятиях.
4. Сравнить качество исследуемых моделей классификации.

Архив содержит ipynb-файл (для Google Colab или Jupyter Notebook) с кодом Python и отчет по работе в формате Word

Также Вы можете заказать выполнение работы по другому варианту или любые похожие типы работ просто написав мне)