84 lines
4.0 KiB
Markdown
84 lines
4.0 KiB
Markdown
# Лабораторная работа №3
|
||
|
||
> Деревья решений
|
||
|
||
### Как запустить лабораторную работу
|
||
|
||
1. Установить python, numpy, sklearn
|
||
1. Для запуска на наборе данных первого задания `python titanic.py`
|
||
1. Для запуска на наборе данных второго задания `python cars.py`
|
||
|
||
### Использованные технологии
|
||
|
||
* Язык программирования `python`
|
||
* Библиотеки `numpy, sklearn`
|
||
* Среда разработки `PyCharm`
|
||
|
||
### Что делает программа?
|
||
|
||
#### 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 (по варианту).
|
||
|
||
Вариант 18 Pclass, Age, Ticket.
|
||
|
||
Была использована модель DecisionTreeClassifier
|
||
|
||
#### Набор данных titanic.csv
|
||
|
||
|
||
|
||
Оценка модели 0.68
|
||
|
||
2 ключевых параметра, выделенных моделью: Age, Ticket(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. Проверьте работу модели на оставшемся проценте, сделайте вывод.
|
||
|
||
#### Данные
|
||
|
||
Набор данных о машинах на вторичном рынке.
|
||
> Ссылка на набор данных: https://www.kaggle.com/datasets/harikrishnareddyb/used-car-price-predictions
|
||
|
||
#### Цель
|
||
|
||
С помощью дерева решений классифицировать цену автомобилей
|
||
|
||
#### Модель
|
||
|
||
Модель использованная в ходе эксперимента DecisionTreeClassifier из пакета sklearn
|
||
|
||
#### Набор данных true_car_listings.csv
|
||
|
||
|
||
|
||
Выбранный начальный набор параметров:
|
||
|
||
- Mileage
|
||
- Year
|
||
- Model
|
||
|
||
**Количество данных:**
|
||
[30000 rows x 3 columns]
|
||
|
||
**Оценка:**
|
||
0.01
|
||
|
||
**Важность параметров:**
|
||
[0.8780813 0.04707369 0.074845 ]
|
||
|
||
Качество неудовлетворительное.
|
||
|
||
Параметр, имеющий самую большую значимость: Mileage(пробег)
|
||
|
||
### Вывод
|
||
|
||
Главный вывод работы, состоит в том, что модель DecisionTreeClassifier
|
||
не подходит для решения 2 части данной задачи, поэтому решение не может быть применено на практике.
|
||
|
||
Причина низкой точности модели заключается в том, что цена автомобиля на вторичном рынке зависит не только от пробега,
|
||
но и от множества других факторов, таких как кол-во аварий, общего состояние автомобиля и экономической обстановке на рынке -
|
||
и эти фаткоры могут оказывать такое же существенное воздействие на конечную цену. Однако, можно сделать выводы по влиянию
|
||
пробега автомобиля на его стоимость и использовать это в дальнейшем при реализации задач.
|