IIS_2023_1/kamyshov_danila_lab_6/readme.md

39 lines
3.4 KiB
Markdown
Raw Normal View History

2023-12-06 13:43:48 +04:00
Общее задание:
Использовать нейронную сеть (четные варианты MLPRegressor, нечетные MLPClassifier) для данных из датасета выбранного для курсовой работы, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
Задание по вариантам:
модель MLPClassifier
Тема: Анализ благополучия студентов
Датасет: Student Alcohol Consumption
ссылка: https://www.kaggle.com/datasets/uciml/student-alcohol-consumption?resource=download
Задача для нейронной сети:
предсказание оценки учащихся, опираясь на данные их социального благополучия
Чтобы Запустить приложение нужно запустить файл app.py
Используемые технологии:
Flask: Фреймворк для создания веб-приложений на языке Python.
pandas: Библиотека для обработки и анализа данных.
scikit-learn: Библиотека для машинного обучения, включая MLPClassifier для нейронных сетей.
HTML: Язык разметки для создания веб-страниц.
CSS: Таблицы стилей для стилизации веб-страницы.
Описание работы программы:
Программа представляет собой веб-приложение, использующее машинное обучение для предсказания оценки студента. Она загружает данные из файла student-mat.csv, предобрабатывает их, обучает модель многослойного персептрона (MLP) на основе scikit-learn и предоставляет интерфейс для пользователя вводить данные студента и получать предсказание оценки.
Входные данные:
Pstatus: Статус совместного жилья родителей (A, T).
guardian: Опекун студента (mother, father, mother).
internet: Наличие интернета (no, yes).
romantic: Наличие романтических отношений (no, yes).
famrel: Оценка семейных отношений (4, 5, ...).
freetime: Свободное время после школы (1, 2, ..., 5).
goout: Время, проведенное с друзьями (1, 2, ..., 5).
Dalc: Потребление алкоголя в рабочие дни (1, 2, ..., 5).
Walc: Потребление алкоголя в выходные (1, 2, ..., 5).
health: Текущее состояние здоровья (1, 2, ..., 5).
absences: Количество пропущенных занятий (0, 1, 2, ...).
Выходные данные:
После ввода пользователем данных о студенте (через веб-форму), программа возвращает предсказанную оценку студента.