43 lines
2.9 KiB
Markdown
43 lines
2.9 KiB
Markdown
Общее 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.
|
||
|
||
Задание по вариантам:
|
||
Датасет: Board Games
|
||
Ссылки:
|
||
https://www.kaggle.com/datasets/andrewmvd/board-games
|
||
|
||
Задача для древа решений:
|
||
|
||
Классифицировать игры на игры с высокой и низкой оценкой на основе их характеристик.
|
||
Признаки:
|
||
Year Published
|
||
Users Rated
|
||
BGG Rank
|
||
Owned Users
|
||
Complexity Average
|
||
Целевая переменная: Успех игры (Высокая оценка/Низкая оценка), если Rating Average > 7.5, то высокая оценка.
|
||
|
||
Запуск через файл app.py
|
||
|
||
Технологии:
|
||
|
||
Flask: Фреймворк для веб-приложений на языке программирования Python.
|
||
Pandas: Библиотека для обработки и анализа данных.
|
||
scikit-learn: Библиотека для машинного обучения в Python.
|
||
Описание работы программы:
|
||
|
||
Программа представляет собой веб-приложение, использующее машинное обучение для классификации на основе данных об играх на сайте BoardGameGeek (BGG). Она загружает данные из CSV-файла, предобрабатывает их, обучает модель дерева решений на основе выбранных признаков (год выпуска, количество оценок пользователей, рейтинг BGG и другие), а затем предоставляет интерфейс для ввода данных о новой игре и получения предсказания о ее "успешности" (высокий или низкий рейтинг).
|
||
|
||
Входные данные:
|
||
|
||
Год выпуска игры.
|
||
Количество оценивших игру.
|
||
Рейтинг BGG игры.
|
||
Ранг BGG игры.
|
||
Количество владельцев игры.
|
||
Средняя сложность игры.
|
||
Выходные данные:
|
||
|
||
Классификация игры: "Высокая оценка" или "Низкая оценка".
|
||
Дополнительная информация: Точность модели, количество игр с высокой и низкой оценкой, важность признаков. |