istyukov_timofey_lab_6/README.md

@@ -0,0 +1,96 @@
+# Лабораторная работа №6. Нейронная сеть
+## 12 вариант
+___
+
+### Задание:
+Использовать регрессию по варианту для своих данных по варианту,
+самостоятельно сформулировав задачу. Оценить, насколько хорошо она
+подходит для решения сформулированной вами задачи. 
+
+### Вариант:
+- Модель нейронной сети: **MLPRegressor**
+
+### Вариант набора данных по курсовой работе:
+- Прогнозирование музыкальных жанров ("Prediction of music genre")
+
+___
+
+### Запуск
+- Запустить файл lab6.py 
+
+### Используемые технологии
+- Язык программирования **Python**
+- Среда разработки **PyCharm**
+- Библиотеки:
+    * pandas
+    * sklearn
+    * matplotlib
+    * seaborn
+
+### 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 нейронной сетью:**
+Предсказание популярности нового музыкального трека на основе его
+определённых характеристик.
+
+**Задача оценки:**
+Анализ с помощью коэффициента детерминации и потери регрессии
+среднеквадратичной логарифмической ошибке, плюсом к ним график сравнения
+реальных и предсказанных значений.
+
+---
+### Пример работы
+
+*Датасет, сформированный из случайных строк csv-файла.*
+
+![Graphics](2_dataset.jpg)
+
+---
+
+***Коэффициент детерминации** используется для оценки эффективности модели
+линейной регрессии. Он показывает, насколько хорошо наблюдаемые результаты
+воспроизводятся моделью, в зависимости от соотношения суммарных отклонений
+результатов, описываемых моделью. По выводу можно отметить, что 33,4%
+изменчивости зависимого выходного атрибута можно объяснить с помощью модели,
+в то время как остальные 66,6% изменчивости все ещё не учтены.*
+
+***Потери регрессии среднеквадратичной логарифмической ошибки (MSLE)** использует
+тот же подход, что и **MSE**, но использует логарифм для компенсации больших
+выбросов в наборе данных и обрабатывает их так, как если бы они были в одном
+масштабе. Это наиболее ценно в стремлении к сбалансированной модели с
+одинаковым процентом ошибок.*
+
+![Graphics](3_score.jpg)
+
+---
+
+*График нейронной сети MLPRegressor, показывающий сравнение реальных
+(ось абсцисс) и предсказанных (ось ординат) данных.*
+
+![Graphics](1_plot_result.png)
+
+---
+
+### Вывод
+Итак, нейронная сеть с поставленной задачей по сути не справилась. Работа
+со скрытыми слоями смогла улучшить результат, но лишь на значение, равное 0,100.
+
+Использование слишком малого количества нейронов в скрытых слоях приведет к
+недообучению. Недообучение происходит, когда в скрытых слоях слишком мало
+нейронов для адекватного обнаружения сигналов в сложном наборе данных.
+Использование же слишком большого количества нейронов в скрытых слоях может
+привести к переобучению. Очевидно, должен быть достигнут некоторый компромисс
+между слишком большим и слишком малым количеством нейронов в скрытых слоях.
+Я пришёл к тому, что использовал 4 скрытых слоя с 50 нейронов в каждом.
+
+Можно сделать заключение, что целевая переменная (процент популярности
+музыкального трека) выбрана неудачно, либо же требуется более детальная
+обработка данных и другой подход к оцениваемым признакам. Как вариант,
+можно рассмотреть StandardScaler или MinMaxScaler на этапе предварительной
+обработки данных. Но как упоминалось в прошлой лабораторной работе,
+популярность музыкального трека слишком неоднозначная величина, которую
+саму по себе предсказать не просто, так как нет точной формулы песни,
+которая взлетит в чартах. Искусство само по себе коварное :)

istyukov_timofey_lab_6/lab6.py

@@ -0,0 +1,84 @@
+"""
+Использовать нейронную сеть по варианту для ваших данных по варианту, самостоятельно сформулировав задачу.
+Интерпретировать результаты и оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
+"""
+
+"""
+Задача, решаемая нейронной сетью:
+Регрессия: Предсказание популярности нового музыкального трека на основе его определённых характеристик.
+"""
+
+# 12 вариант
+# Набор данных по курсовой: "Prediction of music genre"
+# Модель мейронной сети: MLPRegressor
+
+import pandas as pd
+import seaborn as sns
+import matplotlib.pyplot as plt
+from sklearn import metrics
+from sklearn.neural_network import MLPRegressor
+from sklearn.model_selection import train_test_split
+
+
+
+DATASET_FILE = 'music_genre.csv'
+
+
+def main():
+    df = open_dataset(DATASET_FILE) # берём полный набор данных
+    print("\033[92m[----------> Набор данных <----------]\033[00m")
+    print(df)
+
+    # Перевод ладов (минор/мажор) в числовые признаки
+    df_music = df.copy()
+    df_music['mode'] = df_music['mode'].apply(lambda x: 1 if x == 'Major' else 0)
+
+    X = df_music.drop(columns=['popularity'])  # характеристики музыкального трека
+    y = df_music['popularity']  # уровень популярности
+
+    # Разделение датасета на тренировочные (99%) и тестовые данные (1%)
+    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.01)
+
+    model = MLPRegressor(
+        # несколько размеров слоёв и узлов
+        hidden_layer_sizes=(50, 50, 50, 50,),
+        # функция активации (relu, tanh, identity)
+        activation='relu',
+        max_iter=2000
+    )
+    model.fit(X_train, y_train)
+
+    # Предсказание на тестовых данных
+    y_pred = model.predict(X_test)
+
+    print("\033[92m\n[----------> Оценка модели <----------]\033[00m")
+    print("Коэффициент детерминации = ",
+          round(metrics.r2_score(y_test, y_pred), 3))
+    print("Потери регрессии среднеквадратичной логарифмической ошибки = ",
+          round(metrics.mean_squared_log_error(y_test, y_pred), 3))
+
+    # График для наглядности
+    sns.regplot(x=y_test, y=y_pred, scatter_kws={'s': 10}, line_kws={'color': 'red'})
+    plt.xlabel('Реальность')
+    plt.ylabel('Предсказание')
+    plt.title('MLPRegressor на примере популярности треков')
+    plt.savefig("1_plot_result")
+    plt.show()
+
+
+# Функция считывания и очищения csv-файла
+def open_dataset(csv_file):
+    # открываем файл с указанием знака-отделителя
+    df = pd.read_csv(csv_file, delimiter=',')
+    # выбираем необходимые признаки
+    df = df[['mode', 'tempo', 'instrumentalness', 'acousticness', 'speechiness', 'danceability',
+             'energy', 'liveness', 'valence', 'loudness', 'popularity']]
+    # очищаем набор данных от пустых и неподходящих значений
+    df = df[df['tempo'] != '?']
+    df = df.dropna()
+    return df
+
+
+
+if __name__ == "__main__":
+    main()