71 lines
2.5 KiB
Markdown
71 lines
2.5 KiB
Markdown
|
# Лабораторная работа №6
|
|||
|
|
|
|||
|
|
> Нейронная сеть
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу
|
|||
|
|
|
|||
|
|
1. Установить python, numpy, sklearn
|
|||
|
|
1. Запустить команду `python main.py` в корне проекта
|
|||
|
|
|
|||
|
|
### Использованные технологии
|
|||
|
|
|
|||
|
|
* Язык программирования `python`
|
|||
|
|
* Библиотеки `numpy, sklearn`
|
|||
|
|
* Среда разработки `PyCharm`
|
|||
|
|
|
|||
|
|
### Что делает программа?
|
|||
|
|
|
|||
|
|
Цель программы: на основе данных об автомобилях на вторичном рынке обучить модель нейронной сети MLPRegressor
|
|||
|
|
на предсказание цены.
|
|||
|
|
|
|||
|
|
Модель: MLPRegressor
|
|||
|
|
|
|||
|
|
Выбранные признаки:
|
|||
|
|
|
|||
|
|
- year
|
|||
|
|
- mileage
|
|||
|
|
- state
|
|||
|
|
|
|||
|
|
#### Сеть из 1 слоя в 20 нейронов
|
|||
|
|
|
|||
|
|
Обучение на 2 вариантах random state
|
|||
|
|
|
|||
|
|
Оценки качества по MAPE:
|
|||
|
|
|
|||
|
|
min: 91.89810260464559
|
|||
|
|
median: 91.91394036274613
|
|||
|
|
max: 91.92977812084669
|
|||
|
|
std: 0.015837758100552435
|
|||
|
|
|
|||
|
|
Выводы: качество хорошее, но всё ещё есть доля ошибки. При этом разброс оценок качества 0.01 процента показывает,
|
|||
|
|
что random state не сильно влияет на итоговое качество модели.
|
|||
|
|
|
|||
|
|
Обучение на 20 вариантах random state
|
|||
|
|
|
|||
|
|
min: 91.47984008974515
|
|||
|
|
median: 91.97261118318303
|
|||
|
|
max: 92.36410228588716
|
|||
|
|
std: 0.22711198255843948
|
|||
|
|
|
|||
|
|
Выводы: качество неудовлетворительное. Похоже на переобучение. Разброс всё ещё небольшой 0.2 показывает,
|
|||
|
|
что random state не сильно влияет на итоговое качество модели.
|
|||
|
|
|
|||
|
|
#### Сеть из 2 слоев по 20 нейронов
|
|||
|
|
|
|||
|
|
Обучение на 2 вариантах random state
|
|||
|
|
|
|||
|
|
min: 91.12873208155982
|
|||
|
|
median: 91.44458715556677
|
|||
|
|
max: 91.76044222957371
|
|||
|
|
std: 0.31585507400694723
|
|||
|
|
|
|||
|
|
Обучение на 20 вариантах random state
|
|||
|
|
|
|||
|
|
min: 90.17104509583521
|
|||
|
|
median: 91.85328507593465
|
|||
|
|
max: 92.43304446695873
|
|||
|
|
std: 0.5086054377534013
|
|||
|
|
|
|||
|
|
Выводы: Оптимальный результат 92.43%. Качество хорошее, но процент ошибки всё ещё большой.
|
|||
|
|
Поэтому для решения поставленной задачи MLPRegressor с предложенными параметрами не подходит.
|