83 lines
5.7 KiB
Markdown
83 lines
5.7 KiB
Markdown
|
## Лабораторная работа №6, ПИбд-42 Тепечин Кирилл
|
|||
|
|
|
|||
|
|
### Датасет:
|
|||
|
|
#### Ссылка:
|
|||
|
|
[Smoking and Drinking Dataset with body signal](https://www.kaggle.com/datasets/sooyoungher/smoking-drinking-dataset/data)
|
|||
|
|
#### Подробности датасета
|
|||
|
|
| Столбец | Пояснение |
|
|||
|
|
|------------------|:-----------------------------------------------------------------:|
|
|||
|
|
| sex | Пол(мужской, женский) |
|
|||
|
|
| age | Возраст(округлён) |
|
|||
|
|
| height | Рост(округлён) [см] |
|
|||
|
|
| weight | [кг] |
|
|||
|
|
| sight_left | зрение (левый) |
|
|||
|
|
| sight_left | зрение (правый) |
|
|||
|
|
| hear_left | слух (левое): 1 (нормальное), 2 (ненормальное) |
|
|||
|
|
| hear_right | слух (правое): 1 (нормальное), 2 (ненормальное) |
|
|||
|
|
| SBP | Систолическое артериальное давление [мм рт. ст.] |
|
|||
|
|
| DBP | Диастолическое артериальное давление [мм рт. ст.] |
|
|||
|
|
| BLDS | глюкоза в крови натощак [мг/дл] |
|
|||
|
|
| tot_chole | общий холестерин [мг/дл] |
|
|||
|
|
| HDL_chole | Холестерин ЛПВП [мг/дл] |
|
|||
|
|
| LDL_chole | Холестерин ЛПНП [мг/дл] |
|
|||
|
|
| triglyceride | триглицерид [мг/дл] |
|
|||
|
|
| hemoglobin | гемоглобин [г/дл] |
|
|||
|
|
| urine_protein | белок в моче, 1(-), 2(+/-), 3(+1), 4(+2), 5(+3), 6(+4) |
|
|||
|
|
| serum_creatinine | креатинин сыворотки (крови) [мг/дл] |
|
|||
|
|
| SGOT_AST | глутамат-оксалоацетат-трансаминаза / аспартат-трансаминаза [МЕ/л] |
|
|||
|
|
| SGOT_ALT | аланиновая трансаминаза [МЕ/л] |
|
|||
|
|
| gamma_GTP | γ-глутамилтранспептидаза [МЕ/л] |
|
|||
|
|
| SMK_stat_type_cd | Степень курения: 1 (никогда), 2 (бросил), 3 (курю) |
|
|||
|
|
| DRK_YN | Пьющий или нет |
|
|||
|
|
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу:
|
|||
|
|
|
|||
|
|
Для запуска лабораторной работы необходимо запустить файл lab6.py
|
|||
|
|
|
|||
|
|
### Используемые технологии:
|
|||
|
|
|
|||
|
|
* Python 3.12
|
|||
|
|
* pandas
|
|||
|
|
* scikit-learn
|
|||
|
|
|
|||
|
|
### Что делает лабораторная работа:
|
|||
|
|
|
|||
|
|
Эта лабораторная работа применяет нейронную сеть (MLPRegressor) к данным из файла для предсказания степени курения и оценивает ее эффективность используя среднеквадратичную ошибку и коэффициент детерминации (R-squared)
|
|||
|
|
|
|||
|
|
### Предварительная обработка данных:
|
|||
|
|
Изначально датасет имеет несколько категориальных признаков : *sex* , *DRK_YN*
|
|||
|
|
|
|||
|
|
Преобразуем их в фиктивные переменные используя
|
|||
|
|
````python
|
|||
|
|
data = pd.get_dummies(data, columns=['sex', 'DRK_YN'], drop_first=True)
|
|||
|
|
````
|
|||
|
|
Т.к датасет содержит слишком большое количество данных следует уменшить их размер до 10%
|
|||
|
|
````python
|
|||
|
|
data = data.sample(frac=0.1, random_state=42)
|
|||
|
|
````
|
|||
|
|
### Тесты:
|
|||
|
|
Изначально нейронная сеть с дефолтными параметрами показывает ужасный результат
|
|||
|
|
|
|||
|
|
|
|||
|
|
Поэтому применим GridSearchCV для оптимизации производительности модели
|
|||
|
|
|
|||
|
|
Выбранные параметры:
|
|||
|
|
````python
|
|||
|
|
model = MLPRegressor(hidden_layer_sizes=(100,1), max_iter=500, learning_rate_init=0.001, random_state=42, alpha=0.0001, activation='tanh', solver='adam')
|
|||
|
|
````
|
|||
|
|
Теперь протестируем сеть с новыми параметрами
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Сеть стала работать значительно лучше
|
|||
|
|
|
|||
|
|
Также стоит отметить что при уменьшении количества данных до 0.1% результат немного ухудшается
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Однако при увеличении до 30% остается практически неизменным
|
|||
|
|
|
|||
|
|
|
|||
|
|
### Вывод:
|
|||
|
|
Результаты указывают на то, что модель нейронной сети (MLPRegressor), как и модель полиномиальной регрессии демонстрируют некоторую способность предсказывать степень курения на основе данных из датасета.
|