60 lines
3.4 KiB
Markdown
60 lines
3.4 KiB
Markdown
|
# Лабораторная работа №6: Нейронная сеть
|
|||
|
|
## Задание. Вариант 28
|
|||
|
|
|
|||
|
|
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.
|
|||
|
|
|
|||
|
|
Задача:
|
|||
|
|
Зависимость стоимости хостела (price.from) от других признаков, атмосферы (atmosphere), расстоянии от центра города
|
|||
|
|
(Distance), персонал (staff), общего рейтинга хостела (summary.score).
|
|||
|
|
|
|||
|
|
|
|||
|
|
## Описание программы
|
|||
|
|
|
|||
|
|
Данная программа реализует сразу два варианта использования нейронной сети MLPRegressor, MLPClassifier. Связано это с
|
|||
|
|
тем что в ходе выполнения работы для чётного варианта результаты были неутешительными и был сделан вывод что
|
|||
|
|
MLPRegressor не подходит для поставленной задачи и поэтому было решено воспользоваться MLPClassifier для сравнения.
|
|||
|
|
|
|||
|
|
## Как запустить лабораторную работу
|
|||
|
|
|
|||
|
|
1. Установите необходимые библиотеки:
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
pip install pandas scikit-learn numpy
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
2. Запустите скрипт:
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
python main.py
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## Использованные технологии
|
|||
|
|
|
|||
|
|
- Python
|
|||
|
|
- Pandas
|
|||
|
|
- scikit-learn
|
|||
|
|
- NumPy
|
|||
|
|
|
|||
|
|
## Что программа делает
|
|||
|
|
|
|||
|
|
Программа загружает данные из файла "Hostel.csv", выбирает определенные признаки для регрессии и классификации,
|
|||
|
|
предобрабатывает данные, разделяет их на обучающий и тестовый наборы, нормализует признаки, затем инициализирует и
|
|||
|
|
обучает две модели: MLPRegressor для регрессии и MLPClassifier для классификации.
|
|||
|
|
|
|||
|
|
## Тесты
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
## Вывод
|
|||
|
|
|
|||
|
|
_При использовании нейронной сети MLPRegressor её метрики такие как Среднеквадратичная ошибка (MSE), Корень из
|
|||
|
|
среднеквадратичной ошибки (RMSE) показывали ужасный результат, а попытки исправить модель, изменить признаки и
|
|||
|
|
увеличить итерации не увенчались успех. Поэтому MLPRegressor не подходит для сформулированной задачи. Так же для
|
|||
|
|
сравнения была использована нейронная сеть MLPClassifier, которая показала вполне приемлемую точность (0.75), из этого
|
|||
|
|
следует что MLPClassifier вполне подходит для сформулированной задачи_
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|