34 lines
1.8 KiB
Markdown
34 lines
1.8 KiB
Markdown
|
## Лабораторная работа №6
|
|||
|
|
|
|||
|
|
### MLPClassifier
|
|||
|
|
|
|||
|
|
## Cтудент группы ПИбд-41 Абанин Даниил
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу:
|
|||
|
|
|
|||
|
|
* установить python, numpy, matplotlib, sklearn
|
|||
|
|
* запустить проект (lab6)
|
|||
|
|
|
|||
|
|
### Какие технологии использовались:
|
|||
|
|
|
|||
|
|
* Язык программирования `Python`, библиотеки numpy, matplotlib, sklearn
|
|||
|
|
* Среда разработки `PyCharm`
|
|||
|
|
|
|||
|
|
### Что делает лабораторная работа:
|
|||
|
|
|
|||
|
|
* По данным "Eligibility Prediction for Loan" решает задачу классификации, в которой необходимо выявить риски выдачи кредита. В качестве исходных данных используются признаки:
|
|||
|
|
Credit_History - соответствие кредитной истории стандартам банка, ApplicantIncome - доход заявителя, LoanAmount - сумма кредитаб, Self_Employed - самозанятость (Да/Нет), Education - наличие образования, Married - заявитель женат/замужем (Да/Нет).
|
|||
|
|
|
|||
|
|
### Примеры работы:
|
|||
|
|
|
|||
|
|
#### Результаты:
|
|||
|
|
* Было проведено несколько прогонов на разном количестве итераций (200, 400, 600, 800, 1000)
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Средняя точность находится в диапазоне 50-60%, что является недостаточным значением. Увеличение итераций не дало значительного улучшения результата,
|
|||
|
|
максиальный прирост составляет 10%
|
|||
|
|
|
|||
|
|
|
|||
|
|
|