37 lines
2.9 KiB
Markdown
37 lines
2.9 KiB
Markdown
|
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 MLPRegressor
|
|||
|
Датасет: Board Games
|
|||
|
Ссылки:
|
|||
|
https://www.kaggle.com/datasets/andrewmvd/board-games
|
|||
|
|
|||
|
Задача для нейронной сети:
|
|||
|
предсказание рейтинга игры на основе характеристик: 'Year Published', 'Users Rated', 'Rating Average', 'BGG Rank', 'Owned Users', 'Complexity Average'
|
|||
|
|
|||
|
Запуск через файл app.py
|
|||
|
|
|||
|
Технологии:
|
|||
|
|
|||
|
Flask: фреймворк для создания веб-приложений на языке Python.
|
|||
|
Pandas: библиотека для работы с данными и анализа данных.
|
|||
|
scikit-learn: библиотека для машинного обучения.
|
|||
|
Описание работы программы:
|
|||
|
|
|||
|
Программа представляет собой веб-приложение с использованием Flask.
|
|||
|
Загружает данные из CSV-файла, обрабатывает их (заменяет запятые на точки, заполняет пропущенные значения средними) и разделяет на обучающий и тестовый наборы.
|
|||
|
Обучает модель (линейная регрессия или нейронная сеть) на основе выбранных признаков.
|
|||
|
Пользователь вводит данные через веб-форму (Year Published, Users Rated, BGG Rank, Owned Users, Complexity Average).
|
|||
|
Программа использует обученную модель для предсказания Rating Average на основе введенных данных.
|
|||
|
Предсказанное значение выводится пользователю на веб-странице.
|
|||
|
Входные данные (вводимые пользователем через веб-форму):
|
|||
|
|
|||
|
Year Published (год публикации игры).
|
|||
|
Users Rated (количество пользователей, оценивших игру).
|
|||
|
BGG Rank (рейтинг игры на BoardGameGeek).
|
|||
|
Owned Users (количество пользователей, которые владеют игрой).
|
|||
|
Complexity Average (средняя сложность игры).
|
|||
|
Выходные данные:
|
|||
|
|
|||
|
Прогнозируемое значение Rating Average для введенных пользователем данных.
|