istyukov_timofey_lab_3/README.md

@@ -0,0 +1,73 @@
+# Лабораторная работа №3. Деревья решений
+## 12 вариант
+___
+
+### 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.
+
+
+### Вариант набора данных по курсовой работе:
+- Прогнозирование музыкальных жанров
+
+___
+
+### Запуск
+- Запустить файл lab3.py 
+
+### Используемые технологии
+- Язык программирования **Python**
+- Среда разработки **PyCharm**
+- Библиотеки:
+    * pandas
+    * sklearn
+
+### Описание программы
+**Набор данных (Kaggle):** Полный список жанров, включенных в CSV:
+«Электронная музыка», «Аниме», «Джаз», «Альтернатива», «Кантри», «Рэп»,
+«Блюз», «Рок», «Классика», «Хип-хоп».
+
+**Задача, решаемая деревом решений:** Классификация музыкальных треков на
+основе их характеристик, таких как темп, инструментальность, акустичность,
+речевость, танцевальность, энергичность, живость. Дерево решений может
+предсказывать жанр трека, основываясь на его характеристиках.
+
+**Задачи оценки:** оценить качество работы модели дерева решений и выявить
+наиболее значимые признаки набора данных.
+
+---
+### Пример работы
+
+*Датасет, сформированный из случайных строк csv-файла.*
+![Graphics](1_dataset.jpg)
+
+---
+*Сравнение на оставшихся неиспользованных 0,5% строк датасета
+предсказнных и действительных жанров.*
+
+![Graphics](2_accuracy_score.jpg)
+
+---
+*Вычисленнные коэффициенты влияния признаков на прогноз жанра*
+
+![Graphics](3_feature_importances.jpg)
+
+---
+
+### Вывод
+Посредством предобработки датасета дерево решений без проблем обучилось и
+частично верно предсказало некоторые жанры (в частности, Электро, Классику
+и Рэп). Также модель показала оценку влиятельности признаков на прогноз
+жанра. Самым влиятельным признаком оказалась **акустичность** музыкального
+трека. Менее значимыми оказались речевость (преобладание голосов в треке) и
+инструментальность (преобладание живых инструментов в треке), что звучит
+вполне разумно.
+
+На практике дерево решений по качеству классификации уступает некоторым
+другим методам. Помимо этого, небольшие изменения в данных могут существенно
+изменять построенное дерево решений. На примере моего датасета дерево решений
+справилось не очень успешно. Это можно объяснить тем, что данных в нём
+недостаточно для предсказания жанра. Но также стоит отметить, что
+жанр – одно из самых неоднозначных, самых многосоставных музыкальных понятий.

istyukov_timofey_lab_3/lab3.py

@@ -0,0 +1,69 @@
+"""
+Решите с помощью библиотечной реализации дерева решений задачу изnлабораторной работы
+«Веб-сервис «Дерево решений» по предмету «Методы искусственного интеллекта» на 99% ваших данных.
+Проверьте работу модели на оставшемся проценте, сделайте вывод.
+"""
+
+"""
+Задача, решаемая деревом решений: Классификация музыкальных треков на основе их характеристик,
+таких как акустика, танцевальность, инструментальность, темп и т.д.
+Дерево решений может предсказывать жанр трека, основываясь на его характеристиках.
+"""
+
+# 12 вариант
+# Набор данных по курсовой: "Prediction of music genre"
+
+import pandas as pd
+from sklearn.tree import DecisionTreeClassifier
+from sklearn.model_selection import train_test_split
+from sklearn.metrics import accuracy_score
+
+
+DATASET_FILE = 'music_genre.csv'
+
+
+def main():
+    df = open_dataset(DATASET_FILE)
+    df = df.sample(frac=.1) # отбираем 10% рандомных строк с набора данных, т.к. он большой
+    print("\033[92m[-----> Набор данных <-----]\033[00m")
+    print(df)
+
+    X = df.drop(columns=['music_genre']) # набор числовых признаков
+    y = df['music_genre'] # набор соответствующих им жанров
+
+    # Разделение датасета на тренировочные (99,5%) и тестовые данные (0,5%)
+    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.005)
+
+    # Создание и обучение дерева решений
+    model = DecisionTreeClassifier()
+    model.fit(X_train.values, y_train)
+
+    # Прогнозирование жанра на тестовых данных
+    y_pred = model.predict(X_test.values)
+
+    print("\033[92m\n\n\n[-----> Сравнение жанров <-----]\033[00m")
+    df_result = pd.DataFrame({'Прогноз': y_pred, 'Реальность': y_test})
+    print(df_result)
+
+    score = accuracy_score(y_test, y_pred)
+    print("\033[92m\n> Оценка точности модели: {}\033[00m" .format(round(score, 2)))
+
+    print("\033[92m\n\n\n[-----> Оценки важности признаков <-----]\033[00m")
+    df_feature = pd.DataFrame({'Признак': X.columns, "Важность": model.feature_importances_})
+    print(df_feature)
+
+
+# Функция считывания и очищения csv-файла
+def open_dataset(csv_file):
+    # открываем файл с указанием знака-отделителя
+    df_genres = pd.read_csv(csv_file, delimiter=',')
+    # выбираем необходимые признаки
+    df_genres = df_genres[['tempo', 'instrumentalness', 'acousticness', 'speechiness', 'danceability', 'energy', 'liveness', 'music_genre']]
+    # очищаем набор данных от пустых и неподходящих значений
+    df_genres = df_genres[df_genres['tempo'] != '?']
+    df_genres = df_genres.dropna()
+    return df_genres
+
+
+if __name__ == "__main__":
+    main()