46 lines
2.9 KiB
Markdown
46 lines
2.9 KiB
Markdown
|
# Лабораторная работа №4
|
|||
|
|
|
|||
|
|
## ПИбд-41, Курмыза Павел
|
|||
|
|
|
|||
|
|
Датасет по варианту: https://www.kaggle.com/datasets/jessemostipak/hotel-booking-demand.
|
|||
|
|
|
|||
|
|
Данный набор данных содержит информацию о бронировании городской и курортной гостиниц и включает в себя такие
|
|||
|
|
сведения, как время бронирования, продолжительность пребывания, количество взрослых, детей и/или младенцев, количество
|
|||
|
|
свободных парковочных мест и т.д.
|
|||
|
|
|
|||
|
|
## Как запустить ЛР
|
|||
|
|
|
|||
|
|
- Запустить файл main.py
|
|||
|
|
|
|||
|
|
## Используемые технологии
|
|||
|
|
|
|||
|
|
- Язык программирования Python
|
|||
|
|
- Библиотеки: sklearn, numpy, pandas
|
|||
|
|
|
|||
|
|
## Что делает программа
|
|||
|
|
|
|||
|
|
Программа решает задачу регрессии на выбранном датасете: предсказание возможности бронирования номера в отеле
|
|||
|
|
определенного типа (курортный отель или гостиничный). Решение достигается в несколько этапов:
|
|||
|
|
|
|||
|
|
- Предобработка данных
|
|||
|
|
- Стандартизация данных и приведение их к виду, удобном для работы с моделями ML
|
|||
|
|
- Использование модели логистической регрессии
|
|||
|
|
- Оценка точности модели для решения данной задачи
|
|||
|
|
|
|||
|
|
## Тестирование
|
|||
|
|
|
|||
|
|
Для решения задачи регрессии была выбрана модель LogisticRegression.
|
|||
|
|
|
|||
|
|
LogisticRegression - это статистическая модель, которая в своей базовой форме использует логистическую функцию для
|
|||
|
|
моделирования двоичной зависимой переменной. В анализе регрессии, логистическая регрессия оценивает параметры
|
|||
|
|
логистической модели (вид бинарной регрессии).
|
|||
|
|
|
|||
|
|
Оценка точности модели:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
## Вывод
|
|||
|
|
|
|||
|
|
По итогу тестирования было выявлено, что данная модель может быть использована для решения задачи предсказания
|
|||
|
|
возможности бронирования номера в отеле определенного типа. Однако, оценка точности модели и матрица неточностей
|
|||
|
|
указывают на то, что в 20-30% случаев модель будет ошибаться.
|