IIS_2023_1/almukhammetov_bulat_lab_5
2023-11-17 17:13:36 +04:00
..
1.png Add Lab 5 2023-11-17 17:13:36 +04:00
2.png Add Lab 5 2023-11-17 17:13:36 +04:00
housing.csv Add Lab 5 2023-11-17 17:13:36 +04:00
lab5.py Add Lab 5 2023-11-17 17:13:36 +04:00
README.md Add Lab 5 2023-11-17 17:13:36 +04:00

Вариант 2

Задание: Использовать регрессию по варианту для данных из таблицы 1 по варианту(таблица 10), самостоятельно сформулировав задачу. Оценить, насколько хорошо она подходит для решения сформулированной вами задачи

Вариант 2 Логистическая регрессия

Предсказание медианной стоимости жилья на основе всех доступных признаков.

Данные: Данный набор данных использовался во второй главе недавней книги Аурелиена Жерона "Практическое машинное обучение с помощью Scikit-Learn и TensorFlow". Он служит отличным введением в реализацию алгоритмов машинного обучения, потому что требует минимальной предварительной обработки данных, содержит легко понимаемый список переменных и находится в оптимальном размере, который не слишком мал и не слишком большой.

Данные содержат информацию о домах в определенном районе Калифорнии и некоторую сводную статистику на основе данных переписи 1990 года. Следует отметить, что данные не прошли предварительную очистку, и для них требуются некоторые этапы предварительной обработки. Столбцы включают в себя следующие переменные, их названия весьма наглядно описывают их суть:

долгота longitude

широта latitude

средний возраст жилья median_house_value

общее количество комнат total_rooms

общее количество спален total_bedrooms

население population

домохозяйства households

медианный доход median_income

Запуск: Запустите файл lab5.py

Описание программы:

Загрузка данных:

  1. Используется библиотека pandas для чтения данных из CSV-файла "housing.csv" и создания DataFrame. Выбор признаков и целевой переменной:

  2. Определяются признаки (X) и целевая переменная (y), где целевой переменной является "median_house_value", а признаками — все столбцы, за исключением "longitude", "latitude" и "ocean_proximity". Обработка пропущенных значений:

  3. Применяется SimpleImputer с стратегией 'mean' для заполнения пропущенных значений средними значениями в признаках.

  4. Применяется train_test_split для разбиения данных на обучающий, валидационный и тестовый наборы. Создание и обучение модели линейной регрессии:

  5. Инициализируется и обучается модель LinearRegression на обучающем наборе. Вывод коэффициентов и пересечения:

  6. Выводятся коэффициенты и пересечение линейной регрессии, найденные моделью в процессе обучения. Предсказание значений на тестовом наборе:

  7. Производится предсказание значений целевой переменной на тестовом наборе с использованием обученной модели.

Оценка модели:

  1. Рассчитываются значения R^2 для обучающего, валидационного и тестового наборов для оценки соответствия модели данным. Оценка качества предсказаний:

  2. Рассчитываются среднеквадратичная ошибка (MSE) и корень из среднеквадратичной ошибки (RMSE) для оценки точности предсказаний. Визуализация предсказаний:

  3. Строится график рассеяния для визуального сравнения фактических и предсказанных значений на тестовом наборе.

Результаты:

Alt text

Выводы:

Оценка результатов:

  1. Коэффициенты линейной регрессии:

    • Полученные коэффициенты для каждого признака показывают, как сильно он влияет на целевую переменную (медианную стоимость жилья). Например, положительные коэффициенты, такие как 1.91e+03 и 1.27e+02, указывают на положительную корреляцию с целевой переменной, тогда как отрицательные, например, -1.89e+01 и -3.25e+01, указывают на отрицательную корреляцию.
  2. Пересечение линейной регрессии:

    • Значение пересечения (-47499.49) представляет оценку целевой переменной, когда все признаки равны нулю.
  3. R^2 (коэффициент детерминации):

    • R^2 измеряет, насколько хорошо модель соответствует данным. Значения около 0.56 для обучающего, валидационного и тестового наборов говорят о том, что модель объясняет примерно 56% дисперсии в данных. Это приемлемый результат, но есть пространство для улучшений.
  4. Среднеквадратичная ошибка (MSE) и корень из среднеквадратичной ошибки (RMSE):

    • MSE составляет 5,931,235,118.49, что является среднеквадратичной разницей между фактическими и предсказанными значениями. RMSE (77014.51) представляет собой среднюю ошибку в предсказаниях в единицах целевой переменной.

Общий вывод: Результаты говорят о том, что модель демонстрирует неплохое соответствие данным, но есть возможность для улучшений.