28 lines
1.8 KiB
Markdown
28 lines
1.8 KiB
Markdown
|
## Задание
|
|||
|
|
С помощью библиотечной реализации дерева решений решить задачу классификации на своих данных.
|
|||
|
|
|
|||
|
|
Мои данные представляют собой описание картин по номерам. Данные собираю с маркетплейса путем веб-скрапинга. Собранные данные буду использовать в дальнейшем для курсовой и дипломной работы.
|
|||
|
|
|
|||
|
|
Данные имеют следующие поля:
|
|||
|
|
* Ссылка на изображение
|
|||
|
|
* Размер
|
|||
|
|
* Стоимость
|
|||
|
|
* Средняя оценка по отзывам
|
|||
|
|
* Количество отзывов
|
|||
|
|
* Жанр
|
|||
|
|
* Поджанр
|
|||
|
|
* Фандом
|
|||
|
|
* Персонаж
|
|||
|
|
|
|||
|
|
## Решение задачи классификации
|
|||
|
|
Классифицировать данные буду на популярные и не популярные картины. Поэтому разбиваю все данные на основе кол-ва отзывов. Если отзывов меньше 100, то картина не популярна. Если больше, то популярна.
|
|||
|
|
|
|||
|
|
На вход подается размер и жанр картины, на выходе предсказание - популярно/не популярно.
|
|||
|
|
|
|||
|
|
## Скриншоты работы
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
F1 мера - гармоническое среднее между точностью и полнотой. Она учитывает обе метрики и дает одно число, которое учитывает их обе.
|
|||
|
|
|
|||
|
|
F1-мера равна 0.74, она показывает то, что модель предсказывает популярность довольно хорошо.
|