108 lines
6.1 KiB
Markdown
108 lines
6.1 KiB
Markdown
# Лабораторная работа №5. Регрессия
|
||
## 12 вариант
|
||
___
|
||
|
||
### Задание:
|
||
Использовать регрессию по варианту для своих данных по варианту,
|
||
самостоятельно сформулировав задачу. Оценить, насколько хорошо она
|
||
подходит для решения сформулированной вами задачи.
|
||
|
||
### Вариант:
|
||
- Тип регрессии: **Логистическая регрессия**
|
||
|
||
### Вариант набора данных по курсовой работе:
|
||
- Прогнозирование музыкальных жанров ("Prediction of music genre")
|
||
|
||
___
|
||
|
||
### Запуск
|
||
- Запустить файл lab5.py
|
||
|
||
### Используемые технологии
|
||
- Язык программирования **Python**
|
||
- Среда разработки **PyCharm**
|
||
- Библиотеки:
|
||
* pandas
|
||
* sklearn
|
||
* matplotlib
|
||
* warnings
|
||
|
||
### Описание программы
|
||
**Набор данных (Kaggle):** Полный список жанров, включенных в CSV:
|
||
«Электронная музыка», «Аниме», «Джаз», «Альтернатива», «Кантри», «Рэп»,
|
||
«Блюз», «Рок», «Классика», «Хип-хоп».
|
||
|
||
**Задача, решаемая регрессией:**
|
||
Предсказание популярности нового музыкального трека на основе его
|
||
определённых характеристик. Регрессионная модель может предсказывать
|
||
числовую оценку популярности трека, что может быть полезно
|
||
для музыкальных платформ по типу Spotify.
|
||
|
||
**Задача оценки:**
|
||
|
||
- Вычисление 5 важных признаков и удаление из классификации ненужных
|
||
- Прогноз на тестовом на наборе и расчёт точности.
|
||
- Формирование матрицы путаницы для большего понимания.
|
||
- Формирование отчёта классификации
|
||
|
||
---
|
||
### Пример работы
|
||
|
||
*Датасет, сформированный из случайных строк csv-файла.*
|
||
|
||
|
||
|
||
---
|
||
|
||
*Вычисленные характеристики признаков. Меткой True и рангом №1
|
||
указаны 5 важных для популярности музыкального трека признаков.*
|
||
|
||
*Например, danceability (танцевальность) трека оказалось важным признаком,
|
||
а duration_ms (длительность в милисекундах) — самый незначительный признак.*
|
||
|
||
|
||
|
||
---
|
||
|
||
*Матрица путаницы — это табличное представление прогнозов, сделанных моделью
|
||
классификации, показывающее количество правильных и неправильных прогнозов
|
||
для каждого класса. На пересечениях n-строки и n-столба показаны верные прогнозы
|
||
признака с индексом i. На данной матрице видно, что на популярности уровня 0 и 3
|
||
не было ни одного верного предсказания.*
|
||
|
||
|
||
|
||
---
|
||
|
||
*Оценка точности модели. По матрице путаницы можно было заметить, что оценка
|
||
по значению чуть больше 50%, так как количество верных и неверных прогнозов
|
||
не сильно отличается.*
|
||
|
||
|
||
|
||
---
|
||
|
||
*На отчёте также можно заметить по нулям у уровней популярности 0 и 3,
|
||
что там ни одно значение не было верно предсказано.*
|
||
|
||
|
||
|
||
|
||
### Вывод
|
||
Итак, можно сказать, что с поставленной задачей логистическая регрессия больше
|
||
справилась, чем не справилась. Но в то же время популярность трека — неоднозначный
|
||
признак. Нельзя по характеристикам музыкального трека точно сказать, насколько
|
||
он взлетит в чартах. Считаю, что именно поэтому программа не смогла предсказать
|
||
нулевую и высшую популярность, а назначила тестовой выборке лишь средние
|
||
значения популярности.
|
||
|
||
Логистическая регрессия выполняется быстро и относительно несложно, в ней удобно
|
||
интерпретировать результаты. Хотя по сути это метод бинарной классификации,
|
||
его также можно применять к задачам мультиклассов, что я и сделал (было бы
|
||
нелогично обозначать популярность лишь метками True и False, когда можно
|
||
её разделить на уровни).
|
||
|
||
Также логистическая регрессия не готова обрабатывать избыточное количество
|
||
категорических признаков. Она подвержена переподбору, что и было сделано в
|
||
данной лабораторной работе. Логистическая регрессия не будет хорошо работать
|
||
с независимыми признаки трека, которые не коррелируют с популярностью трека. |