# Лабораторная работа 3. Деревья решений
### Вариант № 18
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.

***
## *Как запустить лабораторную работу:*
Чтобы запустить программу, открываем файл lab3 в PyCharm и нажимаем на зеленый треугольник в правом верхнем углу.
***
## *Использованные технологии:*
**Scikit-learn** - один из наиболее широко используемых пакетов Python для Data Science и Machine Learning. Он позволяет выполнять множество операций и предоставляет множество алгоритмов.

**Pandas** — это библиотека с открытым исходным кодом, предоставляющая высокопроизводительные, простые в использовании структуры данных и инструменты анализа данных для языка программирования Python.

***
## *Что делает ЛР:*
В данной работе анализируется работа дерева решений DecisionTreeClassifier и решается задача классификации ответчиков на регулярно занимающихся
и не занимающихся физическими упражнениями на основе характеристик. Имеется набор данных (clean_data), 
содержащий результаты опроса добровольцев на тему их состояния здоровья. Были выбраны 5 признаков: 
* age - возраст респондента;
* weight - вес респондента;
* work - уровень физ. активности на работе;
* phy_health - оценка состояния здоровья;
* gymtime - время, проведенное в тренажерном зале.

Среди них необходимо выявить 2 наиболее важных признака по целевой переменной exercise_reg - занимается или не занимается респондент физ. упражнениями, 
построенной на основе признака phy_ex - оценка важности физических упражнений. Значение exercise_reg = 1, если значение phy_ex >= 7, и 0 - в остальных случаях.
Необходимо обучить модель на 99% данных и оценить качество модели на оставшемся проценте.

**Результатом работы программы** являются: вывод первых 15 строк подготовленных данных, вывод оценок важности признаков и вывод оценки качества модели (в консоли).
***
## *Пример выходных данных:*
>Вывод в консоли:

![](https://sun9-15.userapi.com/impg/Wq3qiVmaNYVI4CUX6SmFpRMJn3UZDJIbniFUMA/nsSbL7Xjcn4.jpg?size=492x421&quality=96&sign=772aa2b9ae8b708139b75a1ccc46d524&type=album)
***
**Вывод**: 

Модель DecisionTreeClassifier выделила 2 наиболее важных параметра, а именно **вес** и **оценка важности физ. упражнений**, остальные
признаки имеют минимальную значимость, однако возраст достаточно близок по оценке важности к весу. Оценка качества модели говорит о том, что 
модель достаточно точно предсказывает классы для данных по характеристикам.