27 lines
1.6 KiB
Markdown
27 lines
1.6 KiB
Markdown
|
## Лабораторная работа №3
|
|||
|
|
|
|||
|
|
### Деревья решений
|
|||
|
|
|
|||
|
|
## Cтудент группы ПИбд-41 Абанин Даниил
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу:
|
|||
|
|
|
|||
|
|
* установить python, numpy, matplotlib, sklearn
|
|||
|
|
* запустить проект (lab3)
|
|||
|
|
|
|||
|
|
### Какие технологии использовались:
|
|||
|
|
|
|||
|
|
* Язык программирования `Python`, библиотеки numpy, matplotlib, sklearn
|
|||
|
|
* Среда разработки `PyCharm`
|
|||
|
|
|
|||
|
|
### Что делает лабораторная работа:
|
|||
|
|
|
|||
|
|
* Выполняет ранжирование признаков для регрессионной модели
|
|||
|
|
* По данным "Eligibility Prediction for Loan" решает задачу классификации (с помощью дерева решений), в которой необходимо выявить риски выдачи кредита и определить его статус (выдан или отказ). В качестве исходных данных используются три признака: Credit_History - соответствие кредитной истории стандартам банка, ApplicantIncome - доход заявителя, LoanAmount - сумма кредита.
|
|||
|
|
|
|||
|
|
### Примеры работы:
|
|||
|
|
|
|||
|
|
#### Результаты:
|
|||
|
|
* Наиболее важным параметром при выдачи кредита оказался доход заявителя - ApplicantIncome, затем LoanAmount - сумма выдаваемого кредита
|
|||
|
|
|
|||
|
|
|