38 lines
2.1 KiB
Markdown
38 lines
2.1 KiB
Markdown
|
## Лабораторная работа №5
|
|||
|
|
|
|||
|
|
### Ранжирование признаков
|
|||
|
|
|
|||
|
|
## ПИбд-41 Абанин Даниил
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу:
|
|||
|
|
|
|||
|
|
* установить python, pandas, matplotlib, sklearn
|
|||
|
|
* запустить проект (стартовая точка lab4)
|
|||
|
|
|
|||
|
|
### Какие технологии использовались:
|
|||
|
|
|
|||
|
|
* Язык программирования `Python`, библиотеки pandas, matplotlib, sklearn
|
|||
|
|
* Среда разработки `PyCharm`
|
|||
|
|
|
|||
|
|
### Что делает лабораторная работа:
|
|||
|
|
Программа решает задачу регрессии, используя полиномиальную регрессию.
|
|||
|
|
Цель - предсказать сумму займа (LoanAmount), используя имеющиеся признаки: ApplicantIncome - доход заявителя, Credit_History - статус соответствия кредитной истории стандартам банка,
|
|||
|
|
Education - наличие образования, Married - заявитель женат/замужем (Да/Нет), Self_Employed - самозанятый (Да/Нет)
|
|||
|
|
|
|||
|
|
### Тест
|
|||
|
|
Зелёные маркеры на графике - тестовые результаты
|
|||
|
|
Красные маркеры на графике - предсказанные результаты
|
|||
|
|
|
|||
|
|
При небольшом объёме тестовых данных, алгоритм показывает неплохие результаты обучения
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Но при увеличении объёма данных, алгоритм теряет свою эффективность
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Вывод: На малых объёмах данных алгоритм показывает свою эффективность. Но при большем объём стоит использовать другие методы для данного набора информации
|