46 lines
2.7 KiB
Markdown
46 lines
2.7 KiB
Markdown
|
# Лабораторная работа №6. Нейронная сеть
|
|||
|
|
## 1 вариант(27 % 2 = 1)
|
|||
|
|
### 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.
|
|||
|
|
|
|||
|
|
Используемый метод: MLPClassifier
|
|||
|
|
|
|||
|
|
В моем случае данными является датасет о продаже автомобилей. В датасете представлены следующие столбцы:
|
|||
|
|
* id
|
|||
|
|
* Company Name
|
|||
|
|
* Model Name
|
|||
|
|
* Price
|
|||
|
|
* Model Year
|
|||
|
|
* Location
|
|||
|
|
* Mileage
|
|||
|
|
* Engine Type
|
|||
|
|
* Engine Capacity
|
|||
|
|
* Color
|
|||
|
|
* Assembly
|
|||
|
|
* Body Type
|
|||
|
|
* Transmission Type
|
|||
|
|
* Registration Status
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную
|
|||
|
|
1. Запустить файл main.py
|
|||
|
|
|
|||
|
|
### Используемые технологии
|
|||
|
|
1. Библиотека matplotlib
|
|||
|
|
2. Библиотека scikit-learn
|
|||
|
|
3. Библиотека pandas
|
|||
|
|
3. Python
|
|||
|
|
4. IDE PyCharm
|
|||
|
|
|
|||
|
|
### Описание лабораторной работы
|
|||
|
|
Программа выполняет создание и обучение нейронной сети с помощью MLPClassifier, после чего
|
|||
|
|
Для работы программы выбирается часть данных(Ввиду того, что работы программы на полном объеме данных требует больших вычислительных мощностей). Данные разделяются на тестовый и тренировочный наборы,
|
|||
|
|
строится модель нейронной сети, которая обучается на тестовом наборе данных, после чего оценивается её качество на оставшихся данных.
|
|||
|
|
После чего строится график, который показывается на экране, а так же сохраняется в папке проекта.
|
|||
|
|
Точность: 0.9283387622149837
|
|||
|
|
Скриншот работы программы представлен в папке проекта.
|
|||
|
|
### Результат
|
|||
|
|
Ввиду того, что точность работы модели составляет 0.9283387622149837, это может говорить о том, что нейронная сеть хорошо справляется в предсказании статуса регистрации автомобиля.
|