IIS_2023_1/kondrashin_mikhail_lab_6/README.md

49 lines
2.3 KiB
Markdown
Raw Normal View History

2023-11-26 23:23:30 +04:00
#### Кондрашин Михаил ПИбд-41
## Лабораторная работа 6. Нейронная сеть
### Запуск лабораторной работы:
* установить `python`, `numpy`, `matplotlib`, `sklearn`
* запустить проект (стартовая точка класс `main.py`)
### Используемые технологии:
* Язык программирования `Python`,
* Библиотеки `numpy`, `matplotlib`, `sklearn`
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)
### Задача:
Осуществить обучение модели нейронной сети для предсказания погоды относительно влияющих погодных факторов по наиболее важным признакам.
### Описание решения:
* Входные данные:
* Влияющие признаки
* D1 (угол, с которого дует ветер на самом высоком датчике мачты ветростанции)
* TI1 (показатель турбуленции на самом высоком датчике мачты ветростанции)
* V1 (Скорость ветра)
* RH (относительная влажность)
* P (атмосферное давление)
* Аппроксимирующий признак - температура
* Файл WindData.csv
* Модель классификатора состоит из двух скрытых слоев
* Задействованные функции:
* relu
* identity
* tahn
* logistic
* max_iter=4000, n_iter_no_change=10, alpha=0.01
### Результат:
* Наиболее предпочтительной функцией при данных входных параметров для MLPClassifier является relu
* tahn и logistic являются примерно одинаковыми
* identity является наименьшей
То есть нелинейная функция является наилучшей для задачи прогнозирования погоды
![Result](images/result.png)