3.8 KiB
Лабораторная работа 5. Регрессия
Вариант № 18(3)
Использовать регрессию для данных по варианту из таблицы,самостоятельно сформулировав задачу.
Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
Как запустить лабораторную работу:
Чтобы запустить программу, открываем файл lab5 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.
Matplotlib — это комплексная библиотека для создания статических, анимированных и интерактивных визуализаций на Python.
Что делает ЛР:
В данной работе анализируется работа модели Lasso и решается задача предсказания уровня здоровья по ключевым характеристикам.
Имеется набор данных (clean_data), содержащий результаты опроса добровольцев на тему их состояния здоровья. Были выбраны 5 признаков для задачи регрессии:
- age - возраст респондента;
- weight - вес респондента;
- work - уровень физ. активности на работе;
- phy_ex - оценка важности физических упражнений;
- gymtime - время, проведенное в тренажерном зале.
Целевой переменной является phy_health - оценка состояния здоровья.
Результатом работы программы являются: вывод оценки качества модели (в консоли) и график фактических и предсказанных значений уровня здоровья респондента (lasso.png).
Пример выходных данных:
Вывод в консоли:
График:
Вывод: Оценка качества модели довольно низкая (~0,35), что говорит о том, что модель не совсем подходит для решения поставленной задачи. Судя по графику фактических и предсказанных значений уровня здоровья иногда модель выдавала весьма точные предсказания, а в некоторых случаях совершенно далекие от истины.