73 lines
4.2 KiB
Markdown
73 lines
4.2 KiB
Markdown
# Лабораторная работа №3. Деревья решений
|
||
## 12 вариант
|
||
___
|
||
|
||
### Задание:
|
||
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.
|
||
|
||
|
||
### Вариант набора данных по курсовой работе:
|
||
- Прогнозирование музыкальных жанров
|
||
|
||
___
|
||
|
||
### Запуск
|
||
- Запустить файл lab3.py
|
||
|
||
### Используемые технологии
|
||
- Язык программирования **Python**
|
||
- Среда разработки **PyCharm**
|
||
- Библиотеки:
|
||
* pandas
|
||
* sklearn
|
||
|
||
### Описание программы
|
||
**Набор данных (Kaggle):** Полный список жанров, включенных в CSV:
|
||
«Электронная музыка», «Аниме», «Джаз», «Альтернатива», «Кантри», «Рэп»,
|
||
«Блюз», «Рок», «Классика», «Хип-хоп».
|
||
|
||
**Задача, решаемая деревом решений:** Классификация музыкальных треков на
|
||
основе их характеристик, таких как темп, инструментальность, акустичность,
|
||
речевость, танцевальность, энергичность, живость. Дерево решений может
|
||
предсказывать жанр трека, основываясь на его характеристиках.
|
||
|
||
**Задачи оценки:** оценить качество работы модели дерева решений и выявить
|
||
наиболее значимые признаки набора данных.
|
||
|
||
---
|
||
### Пример работы
|
||
|
||
*Датасет, сформированный из случайных строк csv-файла.*
|
||
|
||
|
||
---
|
||
*Сравнение на оставшихся неиспользованных 0,5% строк датасета
|
||
предсказнных и действительных жанров.*
|
||
|
||
|
||
|
||
---
|
||
*Вычисленнные коэффициенты влияния признаков на прогноз жанра*
|
||
|
||
|
||
|
||
---
|
||
|
||
### Вывод
|
||
Посредством предобработки датасета дерево решений без проблем обучилось и
|
||
частично верно предсказало некоторые жанры (в частности, Электро, Классику
|
||
и Рэп). Также модель показала оценку влиятельности признаков на прогноз
|
||
жанра. Самым влиятельным признаком оказалась **акустичность** музыкального
|
||
трека. Менее значимыми оказались речевость (преобладание голосов в треке) и
|
||
инструментальность (преобладание живых инструментов в треке), что звучит
|
||
вполне разумно.
|
||
|
||
На практике дерево решений по качеству классификации уступает некоторым
|
||
другим методам. Помимо этого, небольшие изменения в данных могут существенно
|
||
изменять построенное дерево решений. На примере моего датасета дерево решений
|
||
справилось не очень успешно. Это можно объяснить тем, что данных в нём
|
||
недостаточно для предсказания жанра. Но также стоит отметить, что
|
||
жанр – одно из самых неоднозначных, самых многосоставных музыкальных понятий. |