# Лабораторная работа №4

## ПИбд-41, Курмыза Павел

Датасет по варианту: https://www.kaggle.com/datasets/jessemostipak/hotel-booking-demand.

Данный набор данных содержит информацию о бронировании городской и курортной гостиниц и включает в себя такие
сведения, как время бронирования, продолжительность пребывания, количество взрослых, детей и/или младенцев, количество
свободных парковочных мест и т.д.

## Как запустить ЛР

- Запустить файл main.py

## Используемые технологии

- Язык программирования Python
- Библиотеки: sklearn, numpy, pandas

## Что делает программа

Программа решает задачу регрессии на выбранном датасете: предсказание возможности бронирования номера в отеле
определенного типа (курортный отель или гостиничный). Решение достигается в несколько этапов:

- Предобработка данных
- Стандартизация данных и приведение их к виду, удобном для работы с моделями ML
- Использование модели логистической регрессии
- Оценка точности модели для решения данной задачи

## Тестирование

Для решения задачи регрессии была выбрана модель LogisticRegression.

LogisticRegression - это статистическая модель, которая в своей базовой форме использует логистическую функцию для
моделирования двоичной зависимой переменной. В анализе регрессии, логистическая регрессия оценивает параметры
логистической модели (вид бинарной регрессии).

Оценка точности модели:

![Отчет](report.jpg)

## Вывод

По итогу тестирования было выявлено, что данная модель может быть использована для решения задачи предсказания
возможности бронирования номера в отеле определенного типа. Однако, оценка точности модели и матрица неточностей
указывают на то, что в 20-30% случаев модель будет ошибаться.