IIS_2023_1/martysheva_tamara_lab_6

Лабораторная работа 6. Нейронная сеть

Вариант № 18(четный)

Использовать нейронную сеть (четные варианты – MLPRegressor, нечетные – MLPClassifier) для данных, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо она подходит для решения сформулированной вами задачи.

---

Как запустить лабораторную работу:

Чтобы запустить программу, открываем файл lab6 в PyCharm и нажимаем на зеленый треугольник в правом верхнем углу.

---

Использованные технологии:

Scikit-learn - один из наиболее широко используемых пакетов Python для Data Science и Machine Learning. Он позволяет выполнять множество операций и предоставляет множество алгоритмов.

Pandas — это библиотека с открытым исходным кодом, предоставляющая высокопроизводительные, простые в использовании структуры данных и инструменты анализа данных для языка программирования Python.

Matplotlib — это комплексная библиотека для создания статических, анимированных и интерактивных визуализаций на Python.

---

Что делает ЛР:

В данной работе анализируется работа модели MLPRegressor и решается задача предсказания уровня здоровья по ключевым характеристикам.

Имеется набор данных (clean_data), содержащий результаты опроса добровольцев на тему их состояния здоровья. Были выбраны 5 признаков:

• age - возраст респондента;
• weight - вес респондента;
• work - уровень физ. активности на работе;
• phy_ex - оценка важности физических упражнений;
• gymtime - время, проведенное в тренажерном зале.

Целевой переменной является phy_health - оценка состояния здоровья.

Результатом работы программы являются: вывод оценки качества модели (в консоли) и график фактических и предсказанных значений уровня здоровья респондента (mlpreg.png).

---

Пример выходных данных:

Вывод в консоли:

График:

---

Вывод: Оценка качества модели нейронной сети хоть и чуть лучше модели Лассо, все равно довольно низкая (~0,35 vs ~0,38), поэтому модель не совсем подходит для решения поставленной задачи. Судя по графику фактических и предсказанных значений уровня здоровья, предсказания получились весьма схожими с предсказаниями по модели Лассо.