Merge pull request 'Add Lab 5' (#192) from almukhammetov_bulat_lab_5 into main

Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/192

almukhammetov_bulat_lab_5/README.md

@@ -0,0 +1,89 @@
+Вариант 2
+
+Задание:
+Использовать регрессию по варианту для данных из таблицы 1 по варианту(таблица  10), самостоятельно сформулировав задачу.  Оценить, насколько хорошо она подходит для решения сформулированной вами задачи
+
+Вариант 2 Логистическая регрессия
+
+Предсказание медианной стоимости жилья на основе всех доступных признаков.
+
+
+Данные: 
+Данный набор данных использовался во второй главе недавней книги Аурелиена Жерона "Практическое машинное обучение с помощью Scikit-Learn и TensorFlow". Он служит отличным введением в реализацию алгоритмов машинного обучения, потому что требует минимальной предварительной обработки данных, содержит легко понимаемый список переменных и находится в оптимальном размере, который не слишком мал и не слишком большой.
+
+Данные содержат информацию о домах в определенном районе Калифорнии и некоторую сводную статистику на основе данных переписи 1990 года. Следует отметить, что данные не прошли предварительную очистку, и для них требуются некоторые этапы предварительной обработки. Столбцы включают в себя следующие переменные, их названия весьма наглядно описывают их суть:
+
+долгота longitude
+
+широта latitude
+
+средний возраст жилья median_house_value
+
+общее количество комнат total_rooms
+
+общее количество спален total_bedrooms
+
+население population
+
+домохозяйства households
+
+медианный доход median_income
+
+Запуск:
+Запустите файл lab5.py
+
+Описание программы:
+
+Загрузка данных:
+
+1. Используется библиотека pandas для чтения данных из CSV-файла "housing.csv" и создания DataFrame.
+Выбор признаков и целевой переменной:
+
+2. Определяются признаки (X) и целевая переменная (y), где целевой переменной является "median_house_value", а признаками — все столбцы, за исключением "longitude", "latitude" и "ocean_proximity".
+Обработка пропущенных значений:
+
+3. Применяется SimpleImputer с стратегией 'mean' для заполнения пропущенных значений средними значениями в признаках.
+
+4. Применяется train_test_split для разбиения данных на обучающий, валидационный и тестовый наборы.
+Создание и обучение модели линейной регрессии:
+
+5. Инициализируется и обучается модель LinearRegression на обучающем наборе.
+Вывод коэффициентов и пересечения:
+
+6. Выводятся коэффициенты и пересечение линейной регрессии, найденные моделью в процессе обучения.
+Предсказание значений на тестовом наборе:
+
+7. Производится предсказание значений целевой переменной на тестовом наборе с использованием обученной модели.
+
+Оценка модели:
+
+1. Рассчитываются значения R^2 для обучающего, валидационного и тестового наборов для оценки соответствия модели данным.
+Оценка качества предсказаний:
+
+2. Рассчитываются среднеквадратичная ошибка (MSE) и корень из среднеквадратичной ошибки (RMSE) для оценки точности предсказаний.
+Визуализация предсказаний:
+
+3. Строится график рассеяния для визуального сравнения фактических и предсказанных значений на тестовом наборе.
+
+Результаты:
+
+![Alt text](1.png)
+
+Выводы: 
+
+Оценка результатов:
+
+1. Коэффициенты линейной регрессии:
+
+   - Полученные коэффициенты для каждого признака показывают, как сильно он влияет на целевую переменную (медианную стоимость жилья). Например, положительные коэффициенты, такие как 1.91e+03 и 1.27e+02, указывают на положительную корреляцию с целевой переменной, тогда как отрицательные, например, -1.89e+01 и -3.25e+01, указывают на отрицательную корреляцию.
+
+2. Пересечение линейной регрессии:
+   - Значение пересечения (-47499.49) представляет оценку целевой переменной, когда все признаки равны нулю.
+
+3. R^2 (коэффициент детерминации):
+   - R^2 измеряет, насколько хорошо модель соответствует данным. Значения около 0.56 для обучающего, валидационного и тестового наборов говорят о том, что модель объясняет примерно 56% дисперсии в данных. Это приемлемый результат, но есть пространство для улучшений.
+
+4. Среднеквадратичная ошибка (MSE) и корень из среднеквадратичной ошибки (RMSE):
+   - MSE составляет 5,931,235,118.49, что является среднеквадратичной разницей между фактическими и предсказанными значениями. RMSE (77014.51) представляет собой среднюю ошибку в предсказаниях в единицах целевой переменной.
+
+Общий вывод: Результаты говорят о том, что модель демонстрирует неплохое соответствие данным, но есть возможность для улучшений. 

almukhammetov_bulat_lab_5/lab5.py

@@ -0,0 +1,68 @@
+# Использовать регрессию по варианту для данных из таблицы 1 по варианту(таблица  10), самостоятельно
+# сформулировав задачу.  Оценить, насколько хорошо она подходит для решения сформулированной вами задачи
+
+# Вариант 2 Логистическая регрессия
+
+# Предсказание медианной стоимости жилья на основе всех доступных признаков.
+
+import matplotlib.pyplot as plt
+import pandas as pd
+import numpy as np
+import math
+from sklearn.linear_model import LinearRegression
+from sklearn.metrics import r2_score
+from sklearn.model_selection import train_test_split
+from sklearn.impute import SimpleImputer
+
+# Загрузка данных
+df = pd.read_csv('housing.csv')
+
+# Определение признаков (X) и целевой переменной (y)
+X = df.drop(columns=["median_house_value", "longitude", "latitude", "ocean_proximity"]).astype(float)
+y = df['median_house_value'].astype(float)
+
+# Обработка пропущенных значений с использованием SimpleImputer
+imputer = SimpleImputer(strategy='mean')
+X = imputer.fit_transform(X)
+
+# Разделение данных на обучающий, валидационный и тестовый наборы
+X_train, X_temp, y_train, y_temp = train_test_split(X, y, test_size=0.4, random_state=0)
+X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, test_size=0.5, random_state=0)
+
+# Создание и обучение модели линейной регрессии
+linear_model = LinearRegression()
+linear_model.fit(X_train, y_train)
+
+# Вывод коэффициентов и пересечения
+print(f'Коэффициенты линейной регрессии: {linear_model.coef_}')
+print(f'Пересечение линейной регрессии: {linear_model.intercept_}')
+
+# Предсказание значений на тестовом наборе
+y_pred = linear_model.predict(X_test)
+
+# Оценка модели
+train_score = linear_model.score(X_train, y_train)
+val_score = linear_model.score(X_val, y_val)
+test_score = linear_model.score(X_test, y_test)
+
+print(f'R^2 на обучающем наборе: {train_score}')
+print(f'R^2 на валидационном наборе: {val_score}')
+print(f'R^2 на тестовом наборе: {test_score}')
+
+# Оценка качества предсказаний
+MSE = np.square(np.subtract(y_test, y_pred)).mean()
+RMSE = math.sqrt(MSE)
+print(f'Среднеквадратичная ошибка: {MSE}')
+print(f'Корень из среднеквадратичной ошибки: {RMSE}')
+
+
+# Визуализация предсказаний
+plt.figure(figsize=(8, 6), dpi=80)
+plt.scatter(y_test, y_pred, alpha=0.2, color='slateblue')
+m, b = np.polyfit(y_test, y_pred, 1)
+plt.plot(y_test, m * y_test + b, color='midnightblue')
+plt.xlabel('Фактическое значение (тестовый набор)', fontsize=14)
+plt.ylabel('Предсказанное значение (тестовый набор)', fontsize=14)
+plt.title('Линейная регрессия: предсказанные и фактические значения (тестовый набор)', fontsize=16)
+plt.grid(linewidth=0.5)
+plt.show()