# Лабораторная работа №6. Нейронная сеть
## 1 вариант(27 % 2 = 1)
### Задание:
Использовать нейронную сеть (четные варианты – MLPRegressor,
нечетные – MLPClassifier) для данных из таблицы 1 по варианту,
самостоятельно сформулировав задачу. Интерпретировать результаты и
оценить, насколько хорошо она подходит для решения сформулированной
вами задачи.

Используемый метод: MLPClassifier

В моем случае данными является датасет о продаже автомобилей. В датасете представлены следующие столбцы:
* id
* Company Name
* Model Name
* Price
* Model Year
* Location
* Mileage
* Engine Type
* Engine Capacity
* Color
* Assembly
* Body Type
* Transmission Type
* Registration Status

### Как запустить лабораторную
1. Запустить файл main.py

### Используемые технологии
1. Библиотека matplotlib
2. Библиотека scikit-learn
3. Библиотека pandas
3. Python
4. IDE PyCharm

### Описание лабораторной работы
Программа выполняет создание и обучение нейронной сети с помощью MLPClassifier, после чего 
Для работы программы выбирается часть данных(Ввиду того, что работы программы на полном объеме данных требует больших вычислительных мощностей). Данные разделяются на тестовый и тренировочный наборы, 
строится модель нейронной сети, которая обучается на тестовом наборе данных, после чего оценивается её качество на оставшихся данных. 
После чего строится график, который показывается на экране, а так же сохраняется в папке проекта.
Точность: 0.9283387622149837
Скриншот работы программы представлен в папке проекта.
### Результат
Ввиду того, что точность работы модели составляет 0.9283387622149837, это может говорить о том, что нейронная сеть хорошо справляется в предсказании статуса регистрации автомобиля.