arzamaskina_milana_lab_5/README.md

@@ -0,0 +1,84 @@
+# Лабораторная работа №5
+
+## Регрессия
+
+#### ПИбд-41 Арзамаскина Милана
+#### 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.
+
+Задача по варианту №2: с помощью логистической регрессии.
+
+Дополнительно: с помощью полиномиальной регрессии 3 степени. Сравнение моделей.
+
+#### Формулировка задачи: 
+Предсказание доли выбросов CO2 промышленной деятельностью
+от общего объёма выбросов CO2 страной в определённый год.
+
+## Данные:
+
+Этот набор данных обеспечивает углубленный анализ глобальных выбросов CO2 на уровне страны, позволяя лучше понять, 
+какой вклад каждая страна вносит в глобальное совокупное воздействие человека на климат. 
+Он содержит информацию об общих выбросах, а также от добычи и сжигания угля, нефти, газа, цемента и других источников. 
+Данные также дают разбивку выбросов CO2 на душу населения по странам, показывая, 
+какие страны лидируют по уровням загрязнения, и определяют потенциальные области, 
+где следует сосредоточить усилия по сокращению выбросов. 
+Этот набор данных необходим всем, кто хочет получить информацию о своем воздействии на окружающую среду 
+или провести исследование тенденций международного развития.
+
+Данные организованы с использованием следующих столбцов: 
+
++ Country: название страны
++ ISO 3166-1 alpha-3: трехбуквенный код страны
++ Year: год данных исследования
++ Total: общее количество CO2, выброшенный страной в этом году
++ Coal: количество CO2, выброшенное углем в этом году
++ Oil: количество выбросов нефти
++ Gas: количество выбросов газа
++ Cement: количество выбросов цемента
++ Flaring: сжигание на факелах уровни выбросов
++ Other: другие формы, такие как промышленные процессы
++ Per Capita: столбец «на душу населения» 
+
+
+### Какие технологии использовались:
+
+Используемые библиотеки:
+* pandas
+* math
+* sklearn
+
+
+### Как запустить:
+
+* установить python, sklearn, pandas, math
+* запустить проект (стартовая точка - main.py)
+
+### Что делает программа:
+
+* Загружает набор данных из файла 'CO2.csv', который содержит информацию о выбросах странами CO2 в год от различной промышленной деятельности.
+* Очищает набор данных путём удаления строк с нулевыми значениями и глобальными значениями по всем странам (строки 'Global') из набора.
+* Добавляет в набор столбец с хеш-кодом наименования страны.
+* Добавляет в набор столбец 'procent other' - процент выбросов в процессе промышленной деятельности от общего объема выбросов страны за год.
+* Выбирает набор признаков (features) из данных, которые будут использоваться для обучения моделей регрессии.
+* Определяет задачу регрессии, где целевой переменной (task) является 'procent other'.
+* Делит данные на обучающий и тестовый наборы для обеих задач с использованием функции train_test_split. Тестовый набор составляет 1% от исходных данных.
+* Создает и обучает модели регрессии LogisticRegression и PolynomialFeatures.
+* Предсказывает значения целевой переменной на тестовых наборах.
+* Оценивает качество моделей с помощью среднеквадратичной ошибки.
+
+
+#### Результаты работы программы:
+
+![Result](img.png)
+
+### Вывод:
+
+Среднеквадратичная ошибка полиномиальной модели равна 0.37, логистической - 2.35.
+Следовательно, полиномиальная модель предсказывает долю выбросов промышленной деятельностью
+от общего объёма выбросов CO2 страной в определённый год более точно 
+и лучше всего соответствовует данному набору данных из двух потенциальных моделей.

arzamaskina_milana_lab_5/main.py

@@ -0,0 +1,70 @@
+import math
+import pandas as pd
+from sklearn.model_selection import train_test_split
+from sklearn.pipeline import make_pipeline
+from sklearn.preprocessing import PolynomialFeatures
+from sklearn.linear_model import LogisticRegression, LinearRegression
+from sklearn.metrics import mean_squared_error
+
+# По варианту 2:
+# предсказание доли выбросов CO2 промышленной деятельностью
+# от общего объёма выбросов CO2 страной в определённый год
+# с помощью логистической регрессии
+
+# Дополнительно: с помощью полиномиальной регрессии 3 степени
+
+# Загружаем данные из файла
+data = pd.read_csv('CO2.csv')
+data = data.dropna()
+data = data[data.Country != 'Global']
+
+# Хеширование наименований стран
+countries = {}
+for country in data['Country']:
+    countries[country] = hash(country)
+hash_column = []
+for country in data['Country']:
+    hash_column.append(countries[country])
+data.insert(loc=0, column='hashcode', value=hash_column)
+
+# Добавление колонки "доля выбросов промышленным производством в стране за год"
+procent_other = []
+others = []
+totals = []
+for other in data['Other']:
+    others.append(other)
+for total in data['Total']:
+    totals.append(total)
+for i in range(len(others)):
+    procent_other.append(math.ceil(others[i]/totals[i]*100))
+data.insert(loc=0, column='procent other', value=procent_other)
+
+# Необходимые признаки
+features = data[['Total', 'hashcode', 'Year']]
+
+# Задача логистической регрессии
+task = data['procent other']
+
+# Разделение данных на обучающую и тестовую выборки
+X_train, X_test, y_train, y_test = train_test_split(features, task, test_size=0.01, random_state=5)
+
+# Применение логистической регрессии
+model_logic = LogisticRegression(max_iter=1000)
+model_logic.fit(X_train, y_train)
+
+# Предсказание на тестовых данных
+y_pred_logic = model_logic.predict(X_test)
+
+# Полиномиальная регрессия (degree=3)
+model_poly = make_pipeline(PolynomialFeatures(degree=3), LinearRegression())
+model_poly.fit(X_train, y_train)
+
+# Предсказание на тестовых данных
+y_pred_poly = model_poly.predict(X_test)
+
+# Оценка регрессионных моделей
+poly_mse = mean_squared_error(y_test, y_pred_poly)
+logic_mse = mean_squared_error(y_test, y_pred_logic)
+
+print('Среднеквадратичная ошибка полиномиальной регрессии:', poly_mse)
+print('Среднеквадратичная ошибка логистической регрессии:', logic_mse)