Merge pull request 'basharin_sevastyan_lab_6' (#261) from basharin_sevastyan_lab_6 into main

Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/261

basharin_sevastyan_lab_3/README.md

@@ -1,8 +1,8 @@
 ## Лабораторная работа 3. Вариант 4.
 ### Задание 
-Выполнить ранжирование признаков и решить с помощью библиотечной реализации дерева решений 
+По данным из таблицы реши задачу классификации (с помощью дерева решений) на 99% ваших данных. 
-задачу классификации на 99% данных из курсовой работы. Проверить 
+Задачу классификации определить необходимо самостоятельно. 
-работу модели на оставшемся проценте, сделать вывод.
+Проверьте работу модели на оставшемся проценте, сделайте вывод.
 
 Модель:
 - Дерево решений `DecisionTreeClassifier`.
@@ -65,21 +65,8 @@ data['Transmission Type'] = label_encoder.fit_transform(data['Transmission Type'
 data['Registration Status'] = label_encoder.fit_transform(data['Registration Status'])
 ```
 
-#### Выявление значимых параметров
+#### Формулировка задачи
-```python
+Предсказать статус регистрации автомобиля (Registration Status) на основе других параметров.
-# Оценка важности признаков
-feature_importances = clf.feature_importances_
-feature_importance_df = pd.DataFrame({'Feature': X_train.columns, 'Importance': feature_importances})
-feature_importance_df = feature_importance_df.sort_values(by='Importance', ascending=False)
-```
-
-#### Решение задачи кластеризации на полном наборе признаков 
-Чтобы решить задачу кластеризации моделью `DecisionTreeClassifier`, воспользуемся методом `.predict()`.
-```python
-clf = DecisionTreeClassifier(max_depth=5, random_state=42)
-clf.fit(X_train, y_train)
-y_pred = clf.predict(X_test)
-```
 
 #### Оценка эффективности
 Для оценки точности модели будем использовать встроенный инструмент `accuracy_score`:
@@ -88,6 +75,7 @@ accuracy = accuracy_score(y_test, y_pred)
 ```
 
 #### Результаты
-![](accuracy.png "Точность")
+![](res.png "Точность")
 
-![](important.png "Важность признаков")
+### Вывод
+Алгоритм показал высокую точность. Считаем, что алгоритм успешен.

basharin_sevastyan_lab_3/main.py

@@ -40,39 +40,29 @@ data['Body Type'] = label_encoder.fit_transform(data['Body Type'])
 data['Transmission Type'] = label_encoder.fit_transform(data['Transmission Type'])
 data['Registration Status'] = label_encoder.fit_transform(data['Registration Status'])
 
-# Разделение данных на обучающий набор и тестовый набор. Мы будем использовать 99% данных для обучения.
+# Определение целевой переменной и признаков
-train_data, test_data = train_test_split(data, test_size=0.01, random_state=42)
+X = data.drop('Registration Status', axis=1)  # Признаки
+y = data['Registration Status']  # Целевая переменная
 
-# Определите целевую переменную (то, что вы пытаетесь предсказать, например, 'Price').
+# Разделение данных на обучающий и тестовый наборы
-X_train = train_data.drop(columns=['Price'])
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.01, random_state=42)
-y_train = train_data['Price']
-X_test = test_data.drop(columns=['Price'])
-y_test = test_data['Price']
 
-# Создание и обучение модели DecisionTreeClassifier
+# Создание и обучение модели дерева решений
-clf = DecisionTreeClassifier(random_state=42)
+model = DecisionTreeClassifier(random_state=42)
-clf.fit(X_train, y_train)
+model.fit(X_train, y_train)
 
-# Оценка важности признаков
+# Предсказание на тестовом наборе
-feature_importances = clf.feature_importances_
+y_pred = model.predict(X_test)
 
-# Создание DataFrame с именами признаков и их важностью
+# Оценка точности модели
-feature_importance_df = pd.DataFrame({'Feature': X_train.columns, 'Importance': feature_importances})
-
-# Сортировка признаков по убыванию важности
-feature_importance_df = feature_importance_df.sort_values(by='Importance', ascending=False)
-
-# Вывод ранжированных признаков
-print(feature_importance_df)
-
-clf = DecisionTreeClassifier(max_depth=5, random_state=42)
-
-# Обучите модель на обучающем наборе данных
-clf.fit(X_train, y_train)
-
-# Предсказание целевой переменной на тестовом наборе данных
-y_pred = clf.predict(X_test)
-
-# Оцените производительность модели с помощью различных метрик
 accuracy = accuracy_score(y_test, y_pred)
-print(f'Точность модели: {accuracy}')
+print(f'Accuracy: {accuracy * 100:.2f}%')
+
+# Можете также провести анализ других метрик, таких как precision, recall, F1-score и т.д.
+
+# Проверка работы модели на оставшемся проценте данных (1%)
+y_remaining = model.predict(X_test)  # Предполагаем, что X_test представляет оставшиеся 99% данных
+
+# Вывод результата
+print('Результат предсказания на оставшемся проценте данных:')
+print(y_remaining)

basharin_sevastyan_lab_6/README.md

@@ -0,0 +1,63 @@
+## Лабораторная работа 6. Вариант 5.
+### Задание 
+С использованием нейронной сети (MLPRegressor) предсказать стоимость автомобилей на основе предоставленных данных.
+
+### Как запустить
+Для запуска программы необходимо с помощью командной строки в корневой директории файлов прокета прописать:
+``` python
+python main.py
+```
+
+### Используемые технологии
+- Библиотека `pandas`, используемая для работы с данными для анализа scv формата.
+- `sklearn` (scikit-learn): Scikit-learn - это библиотека для машинного обучения и анализа данных в Python. Из данной библиотеки были использованы следующие модули:
+  - `metrics` - набор инструменов для оценки моделей.
+  - `MLPClassifier` - является реализацией многослойной нейронной сети для задачи классификации.
+  - `accuracy_score` -функция из scikit-learn, которая используется для оценки производительности модели классификации путем вычисления доли правильно классифицированных примеров (точности) на тестовом наборе данных.
+  - `train_test_split` - это функция из scikit-learn, используемая для разделения набора данных на обучающий и тестовый наборы.
+  - `LabelEncoder` - это класс из scikit-learn, используемый для преобразования категориальных признаков (например, строки) в числовые значения.
+
+### Описание работы
+#### Описание набора данных
+Набор данных: набор данных о цене автомобиля в автопарке.
+
+Названия столбцов набора данных и их описание:
+
+- Id: Уникальный идентификатор для каждого автомобиля в списке.
+- Price: Ценовой диапазон автомобилей с конкретными ценниками и подсчетами. (111000 - 77500000)
+- Company Name: Название компании-производителя автомобилей с указанием процентной доли представительства каждой компании.
+- Model Name: Название модели автомобилей с указанием процентного соотношения каждой модели.
+- Model Year: Диапазон лет выпуска автомобилей с указанием количества и процентных соотношений. (1990 - 2019)
+- Location: Местоположение автомобилей с указанием регионов, где они доступны для покупки, а также их процентное соотношение.
+- Mileage: Информация о пробеге автомобилей с указанием диапазонов пробега, количества и процентов. (1 - 999999)
+- Engine Type: Описания типов двигателей с процентными соотношениями для каждого типа.
+- Engine Capacity: Мощность двигателя варьируется в зависимости от количества и процентов. (16 - 6600)
+- Color: Цветовое распределение автомобилей с указанием процентных соотношений для каждого цвета.
+- Assembly: Импорт или местный рынок.
+- Body Type: Тип кузова.
+- Transmission Type: Тип трансмиссии.
+- Registration Status: Статус регистрации.
+
+Ссылка на страницу набора на kuggle: [Ultimate Car Price Prediction Dataset](https://www.kaggle.com/datasets/mohidabdulrehman/ultimate-car-price-prediction-dataset/data)
+
+#### Оценка эффективности
+Для оценки точности модели будем использовать встроенный инструмент `accuracy_score`:
+```python
+from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
+
+accuracy = accuracy_score(y_test, y_pred)
+conf_matrix = confusion_matrix(y_test, y_pred)
+classification_rep = classification_report(y_test, y_pred)
+```
+
+#### Результаты
+![](res.png "Точность")
+
+### Вывод
+Алгоритм показал высокую точность. Считаем, что алгоритм успешен.
+Но если обратить внимание на результаты алгоритма 3-й лабораторной работы, выполняющего ту же задачу, окажется, что 
+многослойная нейронная сеть справляется хуже:
+![](res_lab_3.png "Точность")
+Точность MLP (0.91) меньше дерева решений (0.93) (без приведения в проценты). Получается, что MLP показала хороший 
+результат, но обычная регрессия с поставленной задачей справилась лучше - нет смысла использовать более "тяжелый"
+алгоритм, если он не дает значительного выигрыша в качестве.

basharin_sevastyan_lab_6/main.py

@@ -0,0 +1,65 @@
+import pandas as pd
+from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
+from sklearn.model_selection import train_test_split
+from sklearn.preprocessing import LabelEncoder
+from sklearn.neural_network import MLPClassifier
+
+''' Названия столбцов набора данных и их описание:
+Id: Уникальный идентификатор для каждого автомобиля в списке.
+Price: Ценовой диапазон автомобилей с конкретными ценниками и подсчетами. (111000 - 77500000)
+Company Name: Название компании-производителя автомобилей с указанием процентной доли представительства каждой компании.
+Model Name: Название модели автомобилей с указанием процентного соотношения каждой модели.
+Model Year: Диапазон лет выпуска автомобилей с указанием количества и процентных соотношений. (1990 - 2019)
+Location: Местоположение автомобилей с указанием регионов, где они доступны для покупки, а также их процентное соотношение.
+Mileage: Информация о пробеге автомобилей с указанием диапазонов пробега, количества и процентов. (1 - 999999)
+Engine Type: Описания типов двигателей с процентными соотношениями для каждого типа.
+Engine Capacity: Мощность двигателя варьируется в зависимости от количества и процентов. (16 - 6600)
+Color: Цветовое распределение автомобилей с указанием процентных соотношений для каждого цвета.
+'''
+
+
+# Загрузите данные из вашей курсовой работы, предположим, что у вас есть файл CSV.
+data = pd.read_csv('Data_pakwheels.csv')
+data.pop("Id")
+
+data.dropna(inplace=True)  # Удаление строки с пропущенными значениями.
+
+# Преобразуйте категориальные признаки в числовые. Используйте, например, one-hot encoding.
+# data = pd.get_dummies(data, columns=['Company Name', 'Model Name', 'Location', 'Engine Type', 'Color'])
+
+# Создайте объект LabelEncoder
+label_encoder = LabelEncoder()
+
+data['Location'] = label_encoder.fit_transform(data['Location'])
+data['Company Name'] = label_encoder.fit_transform(data['Company Name'])
+data['Model Name'] = label_encoder.fit_transform(data['Model Name'])
+data['Engine Type'] = label_encoder.fit_transform(data['Engine Type'])
+data['Color'] = label_encoder.fit_transform(data['Color'])
+data['Assembly'] = label_encoder.fit_transform(data['Assembly'])
+data['Body Type'] = label_encoder.fit_transform(data['Body Type'])
+data['Transmission Type'] = label_encoder.fit_transform(data['Transmission Type'])
+data['Registration Status'] = label_encoder.fit_transform(data['Registration Status'])
+
+# Определите признаки (X) и целевую переменную (y)
+X = data.drop('Registration Status', axis=1)
+y = data['Registration Status']
+
+# Разделите данные на обучающий и тестовый наборы
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+
+# Инициализируйте и обучите MLPClassifier
+mlp_classifier = MLPClassifier(hidden_layer_sizes=(100,), max_iter=1000, random_state=42)
+mlp_classifier.fit(X_train, y_train)
+
+# Сделайте предсказания на тестовом наборе
+y_pred = mlp_classifier.predict(X_test)
+
+# Оцените производительность модели
+accuracy = accuracy_score(y_test, y_pred)
+conf_matrix = confusion_matrix(y_test, y_pred)
+classification_rep = classification_report(y_test, y_pred)
+
+# Выведите результаты
+print(f'Accuracy: {accuracy}')
+print(f'Confusion Matrix:\n{conf_matrix}')
+print(f'Classification Report:\n{classification_rep}')