IIS_2023_1/shestakova_maria_lab_3
2023-11-29 20:32:10 +03:00
..
3.1.png shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00
3.2.png shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00
README.md shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00
shestakova_maria_lab_3.1.py shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00
shestakova_maria_lab_3.2.py shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00
sleep.csv shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00
titanic.csv shestakova_maria_lab_3 is ready 2023-11-29 20:32:10 +03:00

Задание:

Часть 1. По данным о пассажирах Титаника решите задачу классификации (с помощью дерева решений), в которой по различным характеристикам пассажиров требуется найти у выживших пассажиров два наиболее важных признака из трех рассматриваемых: Pclass, Parch, Fare

Часть 2. Решите с помощью библиотечной реализации дерева решений задачу из лабораторной работы «Веб-сервис «Дерево решений» по предмету «Методы искусственного интеллекта»на 99% ваших данных: зависимость качества сна (Quality of Sleep) от возраста (Age) и пола (Gender). Проверьте работу модели на оставшемся проценте, сделайте вывод

Технологии:

Библиотека Scikit-learn, библиотека numpy, библиотека pandas

Что делает лабораторная:

Часть 1. Из выборки отбирается 3 необходимых по заданию признака, определяется целевая переменная по заданию, обучается дерево, выводятся важности признаков по каждому классу

Часть 2. Из выборки отбирается 2 необходимых по заданию признака, определяется целевая переменная по заданию, данные разделяются на обущающую и тестовую выборку, дерево обучается классификацией и регрессией, выводятся важности признаков, предсказания значений на тестовой выборке и оценка качества

Как запустить:

Первая часть лабораторной работы запускается в файле shestakova_maria_lab_3.1.py через Run: появляется вывод в консоли Вторая часть лабораторной работы запускается в файле shestakova_maria_lab_3.2.py через Run: появляется вывод в консоли

Вывод:

Часть 1.

img1.png

Часть 2.

img2.png

По выводу можно заметить, что модель дерева классификации подходит больше для решения данной задачи