mashkova_margarita_lab_3 ready

kutygin_andre_lab_3/README.md

@@ -0,0 +1,118 @@
+**Задание**
+***
+Решите с помощью библиотечной реализации дерева решений задачу из лабораторной работы «Веб-сервис «Дерево решений» по предмету «Методы искусственного интеллекта»на 99% ваших данных. Проверьте работу модели на оставшемся проценте, сделайте вывод
+
+**Как запустить лабораторную**
+***
+Запустить файл main.py
+
+**Используемые технологии**
+***
+Библиотеки pandas, scikit-learn, matplotlib, их компоненты
+
+**Описание лабораторной (программы)**
+***
+В данном коде мы создаем и обучаем модель дерева решений для прогнозирования инцидентов с НЛО на основе набора данных.
+
+1. В первой строке кода мы загружаем данные из CSV-файла 'ufo_data_nuforc.csv' с помощью функции pd.read_csv(). Эти данные содержат информацию о различных инцидентах с НЛО.
+2. Далее мы выбираем набор признаков, в данном случае, эти признаки - населенность и время, которые будут использоваться для обучения модели, и сохраняем их в переменную features.
+3. Затем преобразуем категориальные признаки в числовой вид при помощи функции pd.get_dummies(). Это необходимо, так как модель дерева решений работает только с числовыми данными.
+4. После этого мы разделяем данные на обучающую и тестовую выборки с помощью функции train_test_split(). Обучающая выборка будет использоваться для обучения модели, а тестовая - для проверки ее точности.
+5. Создаем модель дерева решений с помощью класса DecisionTreeClassifier() из библиотеки sklearn.tree.
+6. Обучаем модель на обучающей выборке с помощью метода fit(). В процессе обучения модель настраивает параметры дерева решений, чтобы лучше предсказывать целевой признак.
+7. После обучения модели, мы производим прогнозы на тестовых данных с помощью метода predict().
+8. Оцениваем точность модели на тестовой выборке с помощью метода accuracy_score() из библиотеки sklearn.metrics. Этот метод сравнивает фактические значения целевого признака с предсказанными и возвращает точность модели.
+9. Наконец, выводим точность модели на тестовой выборке, чтобы оценить, насколько хорошо модель предсказывает инциденты с НЛО.
+10. Также, код визуализирует данные в виде графика с помощью библиотеки matplotlib.pyplot, отображая фактические значения целевого признака и предсказания модели. Это помогает наглядно оценить, насколько близки предсказания модели к реальным значениям.
+**Результат**
+***
+Точность модели на тестовой выборке: 0.1377245508982036
+Прогнозы по оставшемуся проценту данных: 'cylinder' 'circle' 'sphere' 'disk' 'disk' 'fireball' 'disk' 'oval'
+ 'circle' 'disk' 'disk' 'other' 'light' 'light' 'oval' 'fireball' 'light'
+ 'rectangle' 'chevron' 'unknown' 'sphere' 'oval' 'light' 'circle'
+ 'unknown' 'unknown' 'disk' 'triangle' 'triangle' 'unknown' 'formation'
+ 'unknown' 'cigar' 'unknown' 'light' 'other' 'rectangle' 'light' 'other'
+ 'light' 'cylinder' 'delta' 'sphere' 'other' 'changing' 'fireball'
+ 'cylinder' 'cigar' 'circle' 'triangle' 'light' 'fireball' 'fireball'
+ 'sphere' 'circle' 'light' 'chevron' 'oval' 'oval' 'light' 'unknown'
+ 'triangle' 'other' 'rectangle' 'triangle' 'triangle' 'flash' 'unknown'
+ 'sphere' 'unknown' 'other' 'circle' 'oval' 'light' 'oval' 'formation'
+ 'sphere' 'triangle' 'changing' 'sphere' 'oval' 'unknown' 'circle'
+ 'circle' 'flash' 'light' 'light' 'sphere' 'other' 'other' 'egg' 'unknown'
+ 'other' 'light' 'light' 'disk' 'diamond' 'oval' 'unknown' 'light'
+ 'triangle' 'other' 'light' 'disk' 'unknown' 'light' 'changing' 'sphere'
+ 'triangle' 'circle' 'flash' 'sphere' 'light' 'unknown' 'oval' 'formation'
+ 'light' 'circle' 'unknown' 'other' 'triangle' 'other' 'light' 'disk'
+ 'formation' 'oval' 'triangle' 'triangle' 'light' 'formation' 'oval'
+ 'light' 'light' 'oval' 'disk' 'sphere' 'egg' 'unknown' 'unknown'
+ 'unknown' 'light' 'disk' 'changing' 'light' 'light' 'circle' 'circle'
+ 'formation' 'light' 'light' 'cigar' 'light' 'triangle' 'oval' 'fireball'
+ 'cylinder' 'other' 'circle' 'egg' 'changing' 'triangle' 'circle' 'other'
+ 'oval' 'disk' 'light' 'flash' 'fireball' 'circle' 'circle' 'circle'
+ 'circle' 'light' 'disk' 'fireball' 'other' 'sphere' 'light' 'changing'
+ 'cigar' 'light' 'cylinder' 'rectangle' 'chevron' 'light' 'light' 'light'
+ 'light' 'circle' 'circle' 'light' 'light' 'circle' 'sphere' 'triangle'
+ 'light' 'egg' 'circle' 'fireball' 'sphere' 'sphere' 'triangle' 'light'
+ 'other' 'cigar' 'sphere' 'sphere' 'fireball' 'light' 'light' 'disk'
+ 'oval' 'oval' 'other' 'cigar' 'triangle' 'light' 'light' 'light' 'disk'
+ 'light' 'light' 'light' 'light' 'other' 'light' 'teardrop' 'triangle'
+ 'teardrop' 'fireball' 'sphere' 'cylinder' 'fireball' 'circle' 'egg'
+ 'sphere' 'disk' 'chevron' 'triangle' 'light' 'other' 'light' 'circle'
+ 'rectangle' 'fireball' 'formation' 'light' 'light' 'circle' 'light'
+ 'light' 'formation' 'light' 'triangle' 'light' 'oval' 'light' 'unknown'
+ 'fireball' 'diamond' 'light' 'circle' 'light' 'triangle' 'oval' 'oval'
+ 'cylinder' 'circle' 'light' 'disk' 'light' 'sphere' 'circle' 'light'
+ 'triangle' 'light' 'fireball' 'triangle' 'light' 'flash' 'triangle' 'egg'
+ 'disk' 'oval' 'circle' 'flash' 'light' 'oval' 'sphere' 'light' 'triangle'
+ 'other' 'chevron' 'other' 'circle' 'unknown' 'unknown' 'sphere' 'light'
+ 'cigar' 'light' 'fireball' 'circle' 'diamond' 'fireball' 'triangle'
+ 'diamond' 'sphere' 'circle' 'chevron' 'cylinder' 'light' 'circle'
+ 'fireball' 'unknown' 'light' 'circle' 'fireball' 'light' 'fireball'
+ 'fireball' 'fireball' 'light' 'sphere' 'light' 'sphere' 'sphere'
+ 'formation' 'light' 'fireball' 'fireball' 'disk' 'disk' 'circle'
+ 'rectangle' 'unknown' 'disk' 'unknown' 'disk' 'triangle' 'other' 'sphere'
+ 'diamond' 'light' 'light' 'unknown' 'sphere' 'circle' 'disk' 'circle'
+ 'oval' 'changing' 'other' 'other' 'disk' 'unknown' 'unknown' 'disk'
+ 'rectangle' 'disk' 'light' 'oval' 'unknown' 'sphere' 'light' 'changing'
+ 'disk' 'disk' 'other' 'other' 'disk' 'cylinder' 'disk' 'rectangle'
+ 'light' 'disk' 'disk' 'light' 'fireball' 'formation' 'cigar' 'oval'
+ 'fireball' 'unknown' 'disk' 'light' 'light' 'triangle' 'triangle' 'light'
+ 'sphere' 'triangle' 'sphere' 'circle' 'light' 'oval' 'oval' 'circle'
+ 'oval' 'rectangle' 'disk' 'oval' 'light' 'light' 'other' 'cigar'
+ 'triangle' 'disk' 'cigar' 'other' 'triangle' 'egg' 'unknown' 'triangle'
+ 'light' 'triangle' 'disk' 'changing' 'triangle' 'disk' 'disk' 'rectangle'
+ 'other' 'triangle' 'triangle' 'formation' 'triangle' 'egg' 'sphere'
+ 'fireball' 'triangle' 'rectangle' 'light' 'triangle' 'triangle' 'other'
+ 'light' 'light' 'disk' 'fireball' 'light' 'disk' 'oval' 'triangle'
+ 'other' 'fireball' 'light' 'light' 'triangle' 'unknown' 'cigar' 'light'
+ 'unknown' 'chevron' 'formation' 'disk' 'cigar' 'light' 'sphere' 'cigar'
+ 'unknown' 'triangle' 'other' 'light' 'light' 'triangle' 'diamond' 'light'
+ 'triangle' 'oval' 'changing' 'light' 'flash' 'circle' 'oval' 'other'
+ 'sphere' 'circle' 'triangle' 'unknown' 'teardrop' 'unknown' 'fireball'
+ 'light' 'light' 'cigar' 'cigar' 'light' 'fireball' 'other' 'egg' 'light'
+ 'other' 'unknown' 'unknown' 'changing' 'circle' 'light' 'other' 'unknown'
+ 'unknown' 'light' 'other' 'light' 'unknown' 'cylinder' 'triangle'
+ 'circle' 'light' 'circle' 'circle' 'circle' 'light' 'light' 'changing'
+ 'changing' 'circle' 'circle' 'triangle' 'triangle' 'light' 'light'
+ 'light' 'light' 'other' 'changing' 'triangle' 'cylinder' 'light'
+ 'unknown' 'circle' 'disk' 'sphere' 'oval' 'formation' 'teardrop'
+ 'triangle' 'chevron' 'light' 'unknown' 'unknown' 'other' 'egg' 'circle'
+ 'oval' 'cigar' 'unknown' 'chevron' 'oval' 'cigar' 'fireball' 'circle'
+ 'unknown' 'light' 'sphere' 'fireball' 'changing' 'light' 'circle'
+ 'unknown' 'fireball' 'light' 'sphere' 'light' 'formation' 'circle'
+ 'fireball' 'formation' 'formation' 'formation' 'light' 'other' 'light'
+ 'light' 'circle' 'diamond' 'oval' 'circle' 'oval' 'triangle' 'light'
+ 'disk' 'light' 'other' 'triangle' 'triangle' 'cylinder' 'disk' 'cylinder'
+ 'light' 'oval' 'cigar' 'circle' 'disk' 'light' 'unknown' 'circle' 'other'
+ 'light' 'light' 'light' 'unknown' 'triangle' 'other' 'disk' 'cylinder'
+ 'triangle' 'oval' 'disk' 'light' 'triangle' 'circle' 'light' 'other'
+ 'light' 'other' 'circle' 'disk' 'other' 'triangle' 'oval' 'unknown'
+ 'light' 'triangle' 'unknown' 'circle' 'unknown' 'light' 'fireball'
+ 'fireball' 'rectangle' 'light' 'formation' 'unknown' 'light' 'light'
+ 'formation' 'fireball' 'light' 'light' 'other' 'unknown' 'light'
+ 'triangle' 'fireball' 'triangle' 'triangle' 'flash' 'circle' 'triangle'
+ 'disk' 'light' 'unknown' 'light' 'light' 'fireball' 'circle' 'unknown'
+ 'unknown' 'circle' 'disk' 'chevron' 'disk' 'disk' 'triangle' 'light'
+ 'light' 'disk'
+
+***Вывод:*** Наша модель дерева решений показала низкую точность предсказаний (Точность модели на тестовой выборке: 0.1377245508982036), что означает, что она не очень хорошо предсказывает форму НЛО на основе выбранных признаков (население и время). Из-за чего можно сделать вывод, что возможно, эти признаки недостаточно информативны или недостаточно связаны с формой НЛО.

kutygin_andre_lab_3/main.py

@@ -0,0 +1,39 @@
+import pandas as pd
+from sklearn.tree import DecisionTreeClassifier
+from sklearn.metrics import accuracy_score
+from sklearn.model_selection import train_test_split
+
+# Загрузка данных
+data = pd.read_csv('ufo_sighting_data.csv')
+
+# Выбор признаков
+features = [ 'length_of_encounter_seconds', 'latitude', 'longitude']
+target = 'UFO_shape'
+# Удаление строк содержащих NaN
+data.dropna(inplace=True)
+
+# Удаление столбцов содержащих NaN
+data.dropna(axis='columns', inplace=True)
+
+# Разделение данных на обучающую и тестовую выборки
+train_data, test_data, train_labels, test_labels = train_test_split(data[features], data[target], test_size=0.2, random_state=42)
+
+# Создание и обучение модели дерева решений
+model = DecisionTreeClassifier()
+model.fit(train_data, train_labels)
+
+# Прогнозирование на тестовой выборке
+predictions = model.predict(test_data)
+
+# Оценка точности модели
+accuracy = accuracy_score(test_labels, predictions)
+print('Точность модели на тестовой выборке:', accuracy)
+
+# Прогнозирование на оставшемся проценте данных
+remaining_data = data.drop(test_data.index)
+remaining_predictions = model.predict(remaining_data[features])
+
+# Вывод результатов
+print('Прогнозы по оставшемуся проценту данных:', remaining_predictions)
+
+# Сделайте необходимые выводы

mashkova_margarita_lab_3/README.md

@@ -0,0 +1,88 @@
+# Лабораторная работа №3
+## ПИбд-42 Машкова Маргарита (Вариант 19)
+## Задание
+Решить с помощью библиотечной реализации дерева решений на 99% данных задачу:
+Выявить зависимость стоимости телефона от других его признаков.
+Проверить работу модели на оставшемся проценте, сделать вывод.
+
+### Данные: 
+> Датасет о характеристиках мобильных телефонов и их ценах
+> 
+> Ссылка на датасет в kaggle: [Mobile Phone Specifications and Prices](https://www.kaggle.com/datasets/pratikgarai/mobile-phone-specifications-and-prices/data)
+
+### Модели:
+
+> - DecisionTreeClassifier
+
+## Запуск программы
+Для запуска программы необходимо запустить файл main.py
+
+## Используемые технологии
+> **Язык программирования:** python
+> 
+> **Библиотеки:**
+> - `pandas` -  предоставляет функциональность для обработки и анализа набора данных.
+> - `sklearn` - предоставляет широкий спектр инструментов для машинного обучения, статистики и анализа данных.
+## Описание работы программы
+
+### Описание набора данных
+Данный набор содержит характеристики различных телефонов, в том числе их цену.
+
+Названия столбцов набора данных и их описание:
+
+- **Id** - идентификатор строки (int)
+- **Name** - наименование телефона (string)
+- **Brand** - наименование бренда телефона (string)
+- **Model** - модель телефона (string)
+- **Battery capacity (mAh)** - емкость аккумулятора в мАч (int)
+- **Screen size (inches)** - размер экрана в дюймах по противоположным углам (float)
+- **Touchscreen** - имеет телефон сенсорный экран или нет (string - Yes/No)
+- **Resolution x** - разрешение телефона по ширине экрана (int)
+- **Resolution y** - разрешение телефона по высоте экрана (int)
+- **Processor** - количество ядер процессора (int)
+- **RAM (MB)** - доступная оперативная память телефона в МБ (int)
+- **Internal storage (GB)** - внутренняя память телефона в ГБ (float)
+- **Rear camera** - разрешение задней камеры в МП (0, если недоступно) (float)
+- **Front camera** - разрешение фронтальной камеры в МП (0, если недоступно) (float)
+- **Operating system** - ОС, используемая в телефоне (string)
+- **Wi-Fi** - имеет ли телефон функция Wi-Fi (string - Yes/No)
+- **Bluetooth** - имеет ли телефон функцию Bluetooth (string - Yes/No)
+- **GPS** - имеет ли телефон функцию GPS (string - Yes/No)
+- **Number of SIMs** - количество слотов для SIM-карт в телефоне (int)
+- **3G** - имеет ли телефон сетевую функкцию 3G (string - Yes/No)
+- **4G/ LTE** - имеет ли телефон сетевую функкцию 4G/LTE (string - Yes/No)
+- **Price** - цена телефона в индийских рупиях (int)
+
+### Обработка данных
+
+Выведем информацию о данных при помощи функции DataFrame `data.info()`:
+
+![Информация о данных](data_info.png)
+
+Данные не содержат пустых строк. Все значения в столбцах необходимо привести к численным значениям.
+Для преобразования полей, содержащих значения Yes/No воспользуемся числовым кодированием `LabelEncoder`. 
+Значение "Yes" станет равным 1, значение "No" - 0. 
+Остальные строковых поля будем преобразовывать при помощи векторайзер с суммированием `TfidfVectorizer`.
+
+Данные после обработки:
+
+![Обработанные данные](data_processed.png)
+
+Далее создается Y - массив значений целового признака (цены).
+Задача классификации решается дважды: сначала на всех признаках, затем на выявленных четырех важных.
+Сначала в X передаются все признаки, выборка разделяется на тестовые (1%) и обучающие данные (99%), 
+модель дерева решений обучается, отображаются список важности признаков (по убыванию) и оценка модели.
+Затем из списка берутся первые 4 признаки и задача решается повторно.
+
+## Тесты
+### Результат решения задачи классификации на всех признаках:
+
+![Решение задачи на всех признаках](all_features.png)
+
+### Результат решения задачи классификации на выявленных четырех важных признаках:
+
+![Решение задачи на значимых признаках](important_features.png)
+ 
+**Вывод:** исходя из полученных результатов, средняя точность работы модели на всех признаках составляет 7%, 
+т.е. модель работает слишком плохо на данных. При выборе только важных признаков средняя точность падает до 0.
+Большое значение среднеквадратичной ошибки подтверждает тот факт, что модель имеет низкое качество.

mashkova_margarita_lab_3/main.py

@@ -0,0 +1,68 @@
+import pandas as pd
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.preprocessing import LabelEncoder
+from sklearn.model_selection import train_test_split
+from sklearn.tree import DecisionTreeClassifier
+from sklearn.metrics import mean_squared_error
+
+filename = "mobiles.csv"
+# Считываем данные из файла в DataFrame
+data = pd.read_csv(filename, sep=',')
+# Удаляем столбец с идентификатором
+data.pop("Id")
+# print(data)
+# data.info()
+
+# Приведение строковых значений признаков к численным при помощи векторайзера с суммированием
+FEATURE_COLUMNS_TO_PROC = ['Name', 'Brand', 'Model', 'Operating system']
+for column_name in FEATURE_COLUMNS_TO_PROC:
+    vectorizer = TfidfVectorizer()
+    train_text_feature_matrix = vectorizer.fit_transform(data[column_name]).toarray()
+    a = pd.DataFrame(train_text_feature_matrix)
+    data[column_name] = a[a.columns[1:]].apply(lambda x: sum(x.dropna().astype(float)), axis = 1)
+
+# Приведение строковых значений к численным при помощи числового кодирования LabelEncoder
+le = LabelEncoder()
+data['Touchscreen'] = le.fit_transform(data['Touchscreen'])
+data['Wi-Fi'] = le.fit_transform(data['Wi-Fi'])
+data['Bluetooth'] = le.fit_transform(data['Bluetooth'])
+data['GPS'] = le.fit_transform(data['GPS'])
+data['3G'] = le.fit_transform(data['3G'])
+data['4G/ LTE'] = le.fit_transform(data['4G/ LTE'])
+
+# Разделение данных на обучающую и тестовую выборки
+# В Y помещаем целевой признак - цену
+Y = data['Price']
+
+
+def predict(X):
+    # Размер обучающей выборки - 99%, тестовой - 1%
+    X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.01, random_state=42)
+
+    # Создание и обучение модели DecisionTreeClassifier
+    dtc = DecisionTreeClassifier(max_depth=5, random_state=241)
+    dtc.fit(X_train, y_train)
+
+    # Создание DataFrame с именами признаков и их важностью
+    feature_importance_df = pd.DataFrame({'Признак': X_train.columns, 'Важность': dtc.feature_importances_}) \
+        .sort_values(by='Важность', ascending=False)
+
+    print("Важность признаков:")
+    print(feature_importance_df)
+    mean_accuracy = dtc.score(X_test, y_test)
+    y_pred = dtc.predict(X_test)
+    mse = mean_squared_error(y_test, y_pred)
+    print(f"Среднеквадратичная ошибка: {mse}")
+    print(f"Средняя точность: {mean_accuracy}")
+    return feature_importance_df
+
+
+print("\n***Решение задачи классификации, используя все параметры***")
+# В Х помещаем все признаки, кроме цены
+X = data.drop(columns='Price')
+importance_df = predict(X)
+print("\n***Решение задачи классификации, используя только 4 значимых параметра***")
+# Выбираем только 4 значимых признака
+important_features = importance_df.iloc[:4, 0].tolist()
+X_important = data[important_features]
+predict(X_important)