38 lines
4.4 KiB
Markdown
38 lines
4.4 KiB
Markdown
|
# Задание
|
|||
|
|
Использовать нейронную сеть (четные варианты – MLPRegressor, нечетные – MLPClassifier) для данных из таблицы 1 по варианту, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
|
|||
|
|
## Задание по варианту
|
|||
|
|
MLPRegressor
|
|||
|
|
## Решение
|
|||
|
|
### Запуск программы
|
|||
|
|
Для запуска программы необходимо запустить файл main.py, содержащий код программы
|
|||
|
|
### Используемые технологии
|
|||
|
|
Программа использует следующие библиотеки:
|
|||
|
|
- numpy - библиотека для работы с массивами и матрицами.
|
|||
|
|
- matplotlib - библиотека для создания графиков и визуализации данных.
|
|||
|
|
- sklearn - библиотека для машинного обучения и анализа данных.
|
|||
|
|
### Что делает программа
|
|||
|
|
Программа читает данные из csv файла. Подготавливает их для работы модели, приводя текстовые параметры к числам. И пытается научиться предсказывать прохождение подготовительных курсов с помощью моделей нейронных сетей.
|
|||
|
|
### Тесты
|
|||
|
|
Данные без подготовки:
|
|||
|
|
gender race/ethnicity parental level of education lunch test preparation course math score reading score writing score
|
|||
|
|
0 female group B bachelor's degree standard none 72 72 74
|
|||
|
|
1 female group C some college standard completed 69 90 88
|
|||
|
|
2 female group B master's degree standard none 90 95 93
|
|||
|
|
3 male group A associate's degree free/reduced none 47 57 44
|
|||
|
|
4 male group C some college standard none 76 78 75
|
|||
|
|
|
|||
|
|
Данные после подготовки:
|
|||
|
|
gender race/ethnicity parental level of education lunch test preparation course math score reading score writing score
|
|||
|
|
0 0 0 0 0 0 72 72 74
|
|||
|
|
1 0 1 1 0 1 69 90 88
|
|||
|
|
2 0 0 2 0 0 90 95 93
|
|||
|
|
3 1 2 3 1 0 47 57 44
|
|||
|
|
4 1 1 1 0 0 76 78 75
|
|||
|
|
|
|||
|
|
MLPRegressor: 0.1347847602324338
|
|||
|
|
MLPClassifier: 0.65
|
|||
|
|
|
|||
|
|
Модель регрессии показала себя хуже чем модель классификации. Хотя модель классификации показала себя чуть лучше, результаты её работы всё равно не очень высоки.
|
|||
|
|
Итоговый результат лежит в границах между 0 и 1, и в тестовых результатах является целым. Это значит, что угадывая произвольно модель в любом случае может достигнуть точности близкой к 0.5
|
|||
|
|
|
|||
|
|
Вывод: Модели нейронных сетей MLPRegressor и MLPClassifier не подходят для решения поставленной задачи, предсказания прохождения курсов по остальным данным. Или на практике не существует соответствующей зависимости в данных.
|