istyukov_timofey_lab_2/README.md

@@ -0,0 +1,72 @@
+# Лабораторная работа №2. Ранжирование признаков
+## 12 вариант
+___
+
+### Задание:
+Используя код из пункта «Решение задачи ранжирования признаков»,
+выполните ранжирование признаков с помощью указанных по варианту моделей.
+Отобразите получившиеся значения\оценки каждого признака каждым методом\моделью
+и среднюю оценку. Проведите анализ получившихся результатов.
+Какие четыре признака оказались самыми важными по среднему значению?
+(Названия\индексы признаков и будут ответом на задание).
+
+### Модели по варианту:
+- Лассо (Lasso)
+- Рекурсивное сокращение признаков (Recursive Feature Elimination – RFE)
+- Линейная корреляция (f_regression)
+
+___
+
+### Запуск
+- Запустить файл lab2.py
+
+### Используемые технологии
+- Язык программирования **Python**
+- Среда разработки **PyCharm**
+- Библиотеки:
+    * numpy
+    * sklearn 
+    * matplotlib
+
+### Описание программы
+В качестве примера взята регрессионная проблема Фридмана. На вход
+моделей подано 15 факторов. Выход рассчитывается по формуле, использующей
+только пять факторов, но факторы 1-5, а также 10-15 взаимозависимы.
+
+Последовательность действий:
+1. Генерация данных по Фридману
+2. Создание и обучение моделей по варианту
+3. Ранжирование признаков по этим моделям с присвоением имён этим признакам
+4. Вывод признаков моделей по убыванию значения оценки
+5. Вывод среднего значения по каждому признакому по убыванию
+
+Программа показывает, как разные виды регрессий оценят важности
+факторов и какой из них будет иметь наибольшую среднюю значимость
+по всем трём моделям по варианту.
+
+---
+### Пример работы
+![Graphics](result.jpg)
+```text
+---> Lasso <---
+[('x15', 1.0), ('x2', 0.88), ('x1', 0.82), ('x4', 0.38), ('x5', 0.38), ('x11', 0.01), ('x3', 0.0), ('x6', 0.0), ('x7', 0.0), ('x8', 0.0), ('x9', 0.0), ('x10', 0.0), ('x12', 0.0), ('x13', 0.0), ('x14', 0.0)]
+
+---> RFE <---
+[('x9', 1.0), ('x12', 0.88), ('x10', 0.75), ('x6', 0.62), ('x7', 0.5), ('x11', 0.38), ('x8', 0.25), ('x4', 0.12), ('x1', 0.0), ('x2', 0.0), ('x3', 0.0), ('x5', 0.0), ('x13', 0.0), ('x14', 0.0), ('x15', 0.0)]
+
+---> F_reg <---
+[('x4', 1.0), ('x15', 1.0), ('x2', 0.34), ('x13', 0.34), ('x1', 0.3), ('x12', 0.29), ('x5', 0.07), ('x6', 0.01), ('x3', 0.0), ('x7', 0.0), ('x8', 0.0), ('x9', 0.0), ('x10', 0.0), ('x11', 0.0), ('x14', 0.0)]
+
+Средния значения по каждому признаку:
+[('x15', 0.67), ('x4', 0.5), ('x2', 0.41), ('x12', 0.39), ('x1', 0.37), ('x9', 0.33), ('x10', 0.25), ('x6', 0.21), ('x7', 0.17), ('x5', 0.15), ('x11', 0.13), ('x13', 0.11), ('x8', 0.08), ('x3', 0.0), ('x14', 0.0)]
+```
+
+---
+
+### Вывод
+Согласно выводу в консоль ранжированных признаков, был выявлен топ-4 самых важных признаков по среднему значению:
+
+1. **x15**
+2. **x4**
+3. **x2**
+4. **x12**

istyukov_timofey_lab_2/lab2.py

@@ -0,0 +1,114 @@
+"""
+Используя код из пункта «Решение задачи ранжирования признаков»,
+выполните ранжирование признаков с помощью указанных по варианту моделей.
+Отобразите получившиеся значения\оценки каждого признака каждым методом\моделью и среднюю оценку.
+Проведите анализ получившихся результатов. Какие четыре признака оказались самыми важными по среднему значению?
+(Названия\индексы признаков и будут ответом на задание)
+"""
+
+# 12 вариант
+# Лассо (Lasso)
+# Рекурсивное сокращение признаков (Recursive Feature Elimination – RFE)
+# Линейная корреляция (f_regression)
+
+
+
+import numpy as np
+from sklearn.linear_model import Lasso, LinearRegression
+from sklearn.feature_selection import RFE
+from sklearn.feature_selection import f_regression
+from sklearn.preprocessing import MinMaxScaler
+
+
+
+def main():
+    X, Y = friedman_regression_problem(800)
+
+    ''' Создание и обучение моделей '''
+
+    # Лассо
+    lasso_model = Lasso(alpha=.05)
+    lasso_model.fit(X, Y)
+
+    # Рекурсивное сокращение признаков
+    lr = LinearRegression()
+    lr.fit(X, Y)
+    rfe_model = RFE(estimator=lr)
+    rfe_model.fit(X, Y)
+
+    # Линейная корреляция
+    f, p_val = f_regression(X, Y)
+
+    # список имён признаков
+    names = ["x%s" % i for i in range(1, 16)]
+
+    # словарь вызова функций моделей
+    ranks = {}
+    ranks["Lasso"] = rank_to_dict(lasso_model.coef_, names)
+    ranks["RFE"] = rank_to_dict(rfe_model.ranking_, names)
+    ranks["F_reg"] = rank_to_dict(f, names)
+
+    # вывод признаков и оценок каждой модели
+    print_sorted_model(ranks)
+
+    # пустой список данных
+    mean = {}
+
+    # Формирование среднего по каждому признаку
+    for key, value in ranks.items():
+        for item in value.items():
+            if item[0] not in mean: #если элемента с текущим ключём нет
+                mean[item[0]] = 0 #добавляем
+            mean[item[0]] += item[1] #суммируем значения по каждому ключу-имени признака
+
+    # Поиск среднего по каждому признаку
+    for key, value in mean.items():
+        res = value / len(ranks)
+        mean[key] = round(res, 2)
+
+    # Сортировка и распечатка списка
+    mean = sorted(mean.items(), key=lambda item: item[1], reverse=True)
+    print("\033[92mСредния значения по каждому признаку:\033[00m")
+    print(mean)
+
+
+
+# Генерация набора данных по регрессионной проблеме Фридмана
+def friedman_regression_problem(size):
+    # генерируем исходные данные: 800 строк-наблюдений и 15 столбцов-признаков
+    np.random.seed(0)
+    X = np.random.uniform(0, 1, (size, 15))
+    # Задание функции-выхода (регриссионную проблему Фридмана)
+    Y = (10 * np.sin(np.pi * X[:,0] * X[:,1]) + 20 * (X[:,2] - .5)**2 + 10*X[:,3] + 5*X[:,4]**5) + np.random.normal(0, 1)
+    # Добавление в зависимость признаков
+    X[:,11:] = X[:,:4] + np.random.normal(0, .025, (size, 4))
+    return X, Y
+
+
+# Функция формирования словаря пар "имя_признака: оценка признака"
+def rank_to_dict(ranks, names):
+    ranks = np.abs(ranks) #получение абсолютных значений оценок
+    r_array = np.array(ranks) #создание массива списка оценок
+    r_array = r_array.reshape(15, 1) #переформирование строк и столбцов в массиве
+    minmax = MinMaxScaler()  # экземпляр для нормализации данных
+    ranks = minmax.fit_transform(r_array) #обучение и преобразование данных
+    ranks = ranks.ravel() #преобразование двумерного массива в одномерный
+    ranks = map(lambda x: round(x, 2), ranks) #округление каждого элемента массива до сотых
+    return dict(zip(names, ranks))
+
+
+# Функция вывода признаков моделей по убыванию значения оценки
+def print_sorted_model(ranks):
+    ranks_copy = dict(ranks)
+    for key, value in ranks_copy.items():
+        ranks_copy[key] = sorted(value.items(), key=lambda item: item[1], reverse=True)
+
+    for key, value in ranks_copy.items():
+        print("\033[92m---> {} <---\033[00m" .format(key))
+        print(value)
+        print()
+
+
+
+if __name__ == "__main__":
+    main()

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()