# 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. ## Задание по варианту MLPRegressor ## Решение ### Запуск программы Для запуска программы необходимо запустить файл main.py, содержащий код программы ### Используемые технологии Программа использует следующие библиотеки: - numpy - библиотека для работы с массивами и матрицами. - matplotlib - библиотека для создания графиков и визуализации данных. - sklearn - библиотека для машинного обучения и анализа данных. ### Что делает программа Программа читает данные из csv файла. Подготавливает их для работы модели, приводя текстовые параметры к числам. И пытается научиться предсказывать прохождение подготовительных курсов с помощью моделей нейронных сетей. ### Тесты Данные без подготовки: gender race/ethnicity parental level of education lunch test preparation course math score reading score writing score 0 female group B bachelor's degree standard none 72 72 74 1 female group C some college standard completed 69 90 88 2 female group B master's degree standard none 90 95 93 3 male group A associate's degree free/reduced none 47 57 44 4 male group C some college standard none 76 78 75 Данные после подготовки: gender race/ethnicity parental level of education lunch test preparation course math score reading score writing score 0 0 0 0 0 0 72 72 74 1 0 1 1 0 1 69 90 88 2 0 0 2 0 0 90 95 93 3 1 2 3 1 0 47 57 44 4 1 1 1 0 0 76 78 75 MLPRegressor: 0.1347847602324338 MLPClassifier: 0.65 Модель регрессии показала себя хуже чем модель классификации. Хотя модель классификации показала себя чуть лучше, результаты её работы всё равно не очень высоки. Итоговый результат лежит в границах между 0 и 1, и в тестовых результатах является целым. Это значит, что угадывая произвольно модель в любом случае может достигнуть точности близкой к 0.5 Вывод: Модели нейронных сетей MLPRegressor и MLPClassifier не подходят для решения поставленной задачи, предсказания прохождения курсов по остальным данным. Или на практике не существует соответствующей зависимости в данных.