Линейная регрессия и градиентное исследование

В качестве задания предлагается: • Теоретически обосновать и реализовать на языке Python модель линейной логистической регрессии с градиентными методами оптимизации; • Обучить бинарную логистическую регрессию для классификации текстов В работе исследуется влияние гиперпараметров: шага градиентного спуска (step_alpha = 0.001, 0.01, 0.1, 1, 10), параметра затухания (step_beta = 0.5, 0.75, 1.0), размера мини-батча (64, 128, 256, 512, 1024). Применяются предобработка текста (лемматизация, стоп-слова) и векторные представления Bag of Words и TF-IDF. Лучшая точность на тесте — 0.885.