#### Кондрашин Михаил ПИбд-41

## Лабораторная работа 6. Нейронная сеть

### Запуск лабораторной работы:

* установить `python`, `numpy`, `matplotlib`, `sklearn`
* запустить проект (стартовая точка класс `main.py`)

### Используемые технологии:

* Язык программирования `Python`,
* Библиотеки `numpy`, `matplotlib`, `sklearn`
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)

### Задача:
Осуществить обучение модели нейронной сети для предсказания погоды относительно влияющих погодных факторов по наиболее важным признакам.

### Описание решения:

* Входные данные:
    * Влияющие признаки
      * D1 (угол, с которого дует ветер на самом высоком датчике мачты ветростанции)
      * TI1 (показатель турбуленции на самом высоком датчике мачты ветростанции)
      * V1 (Скорость ветра)
      * RH (относительная влажность)
      * P (атмосферное давление)
    * Аппроксимирующий признак - температура
    * Файл WindData.csv
    * Модель классификатора состоит из двух скрытых слоев
    * Задействованные функции: 
      * relu
      * identity
      * tahn
      * logistic
    * max_iter=4000, n_iter_no_change=10, alpha=0.01

### Результат:

* Наиболее предпочтительной функцией при данных входных параметров для MLPClassifier является relu
* tahn и logistic являются примерно одинаковыми
* identity является наименьшей

То есть нелинейная функция является наилучшей для задачи прогнозирования погоды

![Result](images/result.png)