## Лабораторная работа №6, ПИбд-42 Тепечин Кирилл

### Датасет:
#### Ссылка:
[Smoking and Drinking Dataset with body signal](https://www.kaggle.com/datasets/sooyoungher/smoking-drinking-dataset/data)
#### Подробности датасета
| Столбец          |                             Пояснение                             |
|------------------|:-----------------------------------------------------------------:|
| sex              |                       Пол(мужской, женский)                       |
| age              |                         Возраст(округлён)                         |
| height           |                        Рост(округлён) [см]                        |
| weight           |                               [кг]                                |
| sight_left       |                          зрение (левый)                           |
| sight_left       |                          зрение (правый)                          |
| hear_left        |          слух (левое): 1 (нормальное), 2 (ненормальное)           |
| hear_right       |          слух (правое): 1 (нормальное), 2 (ненормальное)          |
| SBP              |         Систолическое артериальное давление [мм рт. ст.]          |
| DBP              |         Диастолическое артериальное давление [мм рт. ст.]         |
| BLDS             |                  глюкоза в крови натощак [мг/дл]                  |
| tot_chole        |                     общий холестерин [мг/дл]                      |
| HDL_chole        |                      Холестерин ЛПВП [мг/дл]                      |
| LDL_chole        |                      Холестерин ЛПНП [мг/дл]                      |
| triglyceride     |                        триглицерид [мг/дл]                        |
| hemoglobin       |                         гемоглобин [г/дл]                         |
| urine_protein    |      белок в моче, 1(-), 2(+/-), 3(+1), 4(+2), 5(+3), 6(+4)       |
| serum_creatinine |                креатинин сыворотки (крови) [мг/дл]                |
| SGOT_AST         | глутамат-оксалоацетат-трансаминаза / аспартат-трансаминаза [МЕ/л] |
| SGOT_ALT         |                  аланиновая трансаминаза [МЕ/л]                   |
| gamma_GTP        |                  γ-глутамилтранспептидаза [МЕ/л]                  |
| SMK_stat_type_cd |        Степень курения: 1 (никогда), 2 (бросил), 3 (курю)         |
| DRK_YN           |                          Пьющий или нет                           |

	
### Как запустить лабораторную работу:

Для запуска лабораторной работы необходимо запустить файл lab6.py

### Используемые технологии:

* Python 3.12
* pandas
* scikit-learn

### Что делает лабораторная работа:

Эта лабораторная работа применяет нейронную сеть (MLPRegressor) к данным из файла для предсказания степени курения и оценивает ее эффективность используя среднеквадратичную ошибку и коэффициент детерминации (R-squared)

### Предварительная обработка данных:
Изначально датасет имеет несколько категориальных признаков :  *sex* , *DRK_YN*

Преобразуем их в фиктивные переменные используя
````python
data = pd.get_dummies(data, columns=['sex', 'DRK_YN'], drop_first=True)
````
Т.к датасет содержит слишком большое количество данных следует уменшить их размер до 10%
````python
data = data.sample(frac=0.1, random_state=42)
````
### Тесты:
Изначально нейронная сеть с дефолтными параметрами показывает ужасный результат
![тест1](test1.png)

Поэтому применим GridSearchCV для оптимизации производительности модели

Выбранные параметры:
````python
model = MLPRegressor(hidden_layer_sizes=(100,1), max_iter=500, learning_rate_init=0.001, random_state=42, alpha=0.0001, activation='tanh', solver='adam')
````
Теперь протестируем сеть с новыми параметрами

![тест2](test2.png)

Сеть стала работать значительно лучше

Также стоит отметить что при уменьшении количества данных до 0.1% результат немного ухудшается

![тест3](test3.png)

Однако при увеличении до 30% остается практически неизменным

![тест4](test4.png)
### Вывод:
Результаты указывают на то, что модель нейронной сети (MLPRegressor), как и модель полиномиальной регрессии демонстрируют некоторую способность предсказывать степень курения на основе данных из датасета.