tepechin_kirill_lab_6

tepechin_kirill_lab_6/README.md

@@ -0,0 +1,87 @@
+test1
+model = MLPRegressor(random_state=42)
+
+test2
+## Лабораторная работа №6, ПИбд-42 Тепечин Кирилл
+
+### Датасет:
+#### Ссылка:
+[Smoking and Drinking Dataset with body signal](https://www.kaggle.com/datasets/sooyoungher/smoking-drinking-dataset/data)
+#### Подробности датасета
+| Столбец          |                             Пояснение                             |
+|------------------|:-----------------------------------------------------------------:|
+| sex              |                       Пол(мужской, женский)                       |
+| age              |                         Возраст(округлён)                         |
+| height           |                        Рост(округлён) [см]                        |
+| weight           |                               [кг]                                |
+| sight_left       |                          зрение (левый)                           |
+| sight_left       |                          зрение (правый)                          |
+| hear_left        |          слух (левое): 1 (нормальное), 2 (ненормальное)           |
+| hear_right       |          слух (правое): 1 (нормальное), 2 (ненормальное)          |
+| SBP              |         Систолическое артериальное давление [мм рт. ст.]          |
+| DBP              |         Диастолическое артериальное давление [мм рт. ст.]         |
+| BLDS             |                  глюкоза в крови натощак [мг/дл]                  |
+| tot_chole        |                     общий холестерин [мг/дл]                      |
+| HDL_chole        |                      Холестерин ЛПВП [мг/дл]                      |
+| LDL_chole        |                      Холестерин ЛПНП [мг/дл]                      |
+| triglyceride     |                        триглицерид [мг/дл]                        |
+| hemoglobin       |                         гемоглобин [г/дл]                         |
+| urine_protein    |      белок в моче, 1(-), 2(+/-), 3(+1), 4(+2), 5(+3), 6(+4)       |
+| serum_creatinine |                креатинин сыворотки (крови) [мг/дл]                |
+| SGOT_AST         | глутамат-оксалоацетат-трансаминаза / аспартат-трансаминаза [МЕ/л] |
+| SGOT_ALT         |                  аланиновая трансаминаза [МЕ/л]                   |
+| gamma_GTP        |                  γ-глутамилтранспептидаза [МЕ/л]                  |
+| SMK_stat_type_cd |        Степень курения: 1 (никогда), 2 (бросил), 3 (курю)         |
+| DRK_YN           |                          Пьющий или нет                           |
+
+	
+### Как запустить лабораторную работу:
+
+Для запуска лабораторной работы необходимо запустить файл lab6.py
+
+### Используемые технологии:
+
+* Python 3.12
+* pandas
+* scikit-learn
+
+### Что делает лабораторная работа:
+
+Эта лабораторная работа применяет нейронную сеть (MLPRegressor) к данным из файла для предсказания степени курения и оценивает ее эффективность используя среднеквадратичную ошибку и коэффициент детерминации (R-squared)
+
+### Предварительная обработка данных:
+Изначально датасет имеет несколько категориальных признаков :  *sex* , *DRK_YN*
+
+Преобразуем их в фиктивные переменные используя
+````python
+data = pd.get_dummies(data, columns=['sex', 'DRK_YN'], drop_first=True)
+````
+Т.к датасет содержит слишком большое количество данных следует уменшить их размер до 10%
+````python
+data = data.sample(frac=0.1, random_state=42)
+````
+### Тесты:
+Изначально нейронная сеть с дефолтными параметрами показывает ужасный результат
+![тест1](test1.png)
+
+Поэтому применим GridSearchCV для оптимизации производительности модели
+
+Выбранные параметры:
+````python
+model = MLPRegressor(hidden_layer_sizes=(100,1), max_iter=500, learning_rate_init=0.001, random_state=42, alpha=0.0001, activation='tanh', solver='adam')
+````
+Теперь протестируем сеть с новыми параметрами
+
+![тест2](test2.png)
+
+Сеть стала работать значительно лучше
+
+Также стоит отметить что при уменьшении количества данных до 0.1% результат немного ухудшается
+
+![тест3](test3.png)
+
+Однако при увеличении до 30% остается практически неизменным
+
+![тест4](test4.png)
+### Вывод:
+Результаты указывают на то, что модель нейронной сети (MLPRegressor), как и модель полиномиальной регрессии демонстрируют некоторую способность предсказывать степень курения на основе данных из датасета.

tepechin_kirill_lab_6/lab6.py

@@ -0,0 +1,46 @@
+import pandas as pd
+from sklearn.metrics import mean_squared_error, r2_score
+from sklearn.model_selection import train_test_split, GridSearchCV
+from sklearn.neural_network import MLPRegressor
+
+# Загрузка данных
+data = pd.read_csv("smoking_drinking_dataset.csv")
+data = data.sample(frac=0.3, random_state=42)
+# # Подготовка данных
+data = pd.get_dummies(data, columns=['sex', 'DRK_YN'], drop_first=True)
+
+# Разделение данных на признаки (X) и целевую переменную (y)
+X = data.drop(columns=['SMK_stat_type_cd'])
+y = data['SMK_stat_type_cd']
+
+# Разделение данных
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+
+# Создание и обучение модели
+
+model = MLPRegressor(hidden_layer_sizes=(100,1), max_iter=500, learning_rate_init=0.001, random_state=42, alpha=0.0001, activation='tanh', solver='adam')
+#model = MLPRegressor(random_state=42)
+model.fit(X_train, y_train)
+
+# Предсказание на тестовом наборе
+predictions = model.predict(X_test)
+
+# Оценка модели
+mse = mean_squared_error(y_test, predictions)
+r2 = r2_score(y_test, predictions)
+
+print(f'Mean Squared Error: {mse}')
+print(f'R-squared: {r2}')
+
+# Выбор оптимальных параметров c помощью GridSearchCV
+# param_grid = {'hidden_layer_sizes': [(50,50,50), (50,100,50), (100,1), (200,100)],
+#               'activation': ['relu','tanh','logistic'],
+#               'alpha': [0.0001, 0.05],
+#                'max_iter': [50, 100, 500, 1000],
+#               'learning_rate': ['constant','adaptive'],
+#               'solver': ['adam', 'sgd']}
+# estimator=MLPRegressor(max_iter=10000, random_state=42)
+# grid = GridSearchCV(estimator, param_grid, n_jobs= -1, cv=5)
+# grid.fit(X_train, y_train)
+#
+# print(grid.best_params_)