46 lines
2.9 KiB
Markdown
46 lines
2.9 KiB
Markdown
# Лабораторная работа №4
|
||
|
||
## ПИбд-41, Курмыза Павел
|
||
|
||
Датасет по варианту: https://www.kaggle.com/datasets/jessemostipak/hotel-booking-demand.
|
||
|
||
Данный набор данных содержит информацию о бронировании городской и курортной гостиниц и включает в себя такие
|
||
сведения, как время бронирования, продолжительность пребывания, количество взрослых, детей и/или младенцев, количество
|
||
свободных парковочных мест и т.д.
|
||
|
||
## Как запустить ЛР
|
||
|
||
- Запустить файл main.py
|
||
|
||
## Используемые технологии
|
||
|
||
- Язык программирования Python
|
||
- Библиотеки: sklearn, numpy, pandas
|
||
|
||
## Что делает программа
|
||
|
||
Программа решает задачу регрессии на выбранном датасете: предсказание возможности бронирования номера в отеле
|
||
определенного типа (курортный отель или гостиничный). Решение достигается в несколько этапов:
|
||
|
||
- Предобработка данных
|
||
- Стандартизация данных и приведение их к виду, удобном для работы с моделями ML
|
||
- Использование модели логистической регрессии
|
||
- Оценка точности модели для решения данной задачи
|
||
|
||
## Тестирование
|
||
|
||
Для решения задачи регрессии была выбрана модель LogisticRegression.
|
||
|
||
LogisticRegression - это статистическая модель, которая в своей базовой форме использует логистическую функцию для
|
||
моделирования двоичной зависимой переменной. В анализе регрессии, логистическая регрессия оценивает параметры
|
||
логистической модели (вид бинарной регрессии).
|
||
|
||
Оценка точности модели:
|
||
|
||
|
||
|
||
## Вывод
|
||
|
||
По итогу тестирования было выявлено, что данная модель может быть использована для решения задачи предсказания
|
||
возможности бронирования номера в отеле определенного типа. Однако, оценка точности модели и матрица неточностей
|
||
указывают на то, что в 20-30% случаев модель будет ошибаться. |