35 lines
3.1 KiB
Markdown
35 lines
3.1 KiB
Markdown
Общее задание:
|
||
Использовать регрессию по варианту для данных из курсовой работы, самостоятельно сформулировав задачу.
|
||
Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
|
||
|
||
Задание по вариантам:
|
||
алгоритм Логистическая регрессия
|
||
Датасет: Board Games
|
||
Ссылки:
|
||
https://www.kaggle.com/datasets/andrewmvd/board-games
|
||
|
||
Задача для регрессии: предсказать будет ли рейтинг игры выше среднего или ниже на основе характеристик: 'Year Published', 'Users Rated', 'Rating Average', 'BGG Rank', 'Owned Users', 'Complexity Average'
|
||
|
||
Запуск через файл app.py
|
||
|
||
Программа использует следующие технологии:
|
||
|
||
Flask: для создания веб-приложения.
|
||
pandas: для работы с данными в формате CSV.
|
||
scikit-learn: для обучения и использования моделей машинного обучения (Linear Regression и Logistic Regression).
|
||
joblib: для сохранения и загрузки обученных моделей.
|
||
Описание работы программы:
|
||
|
||
Программа загружает данные из файла "bgg_dataset.csv", используя библиотеку pandas.
|
||
Выбираются нужные столбцы: 'Year Published', 'Users Rated', 'Rating Average', 'BGG Rank', 'Owned Users', 'Complexity Average'.
|
||
Производится замена запятых на точки в столбцах 'Rating Average' и 'Complexity Average'.
|
||
Пропущенные значения в данных заменяются средними значениями по соответствующим столбцам.
|
||
Данные разделяются на обучающий и тестовый наборы.
|
||
Создается и обучается модель (линейной или логистической регрессии) с использованием scikit-learn и сохраняется в файле.
|
||
Веб-приложение на Flask запускается локально.
|
||
Пользователь взаимодействует с веб-формой, вводя параметры игры (Year Published, Users Rated, BGG Rank, Owned Users, Complexity Average).
|
||
Введенные данные передаются в обученную модель, которая делает предсказание.
|
||
Предсказание выводится на веб-странице.
|
||
Входные данные: параметры игры (Year Published, Users Rated, BGG Rank, Owned Users, Complexity Average) через веб-форму.
|
||
|
||
Выходные данные: предсказание (например, классификация игры как "выше среднего"(1) или "ниже среднего"(0)) на веб-странице. |