IIS_2023_1/tepechin_kirill_lab_3
2023-11-29 23:09:58 +04:00
..
lab3.py tepechin_kirill_lab_3 2023-11-29 23:09:58 +04:00
README.md tepechin_kirill_lab_3 2023-11-29 23:09:58 +04:00
results.png tepechin_kirill_lab_3 2023-11-29 23:09:58 +04:00
smoking_driking_dataset.csv tepechin_kirill_lab_3 2023-11-29 23:09:58 +04:00

Лабораторная работа №3, ПИбд-42 Тепечин Кирилл

Датасет:

Ссылка:

Smoking and Drinking Dataset with body signal

Подробности датасета

Столбец Пояснение
sex Пол(мужской, женский)
age Возраст(округлён)
height Рост(округлён) [см]
weight [кг]
sight_left зрение (левый)
sight_left зрение (правый)
hear_left слух (левое): 1 (нормальное), 2 (ненормальное)
hear_right слух (правое): 1 (нормальное), 2 (ненормальное)
SBP Систолическое артериальное давление [мм рт. ст.]
DBP Диастолическое артериальное давление [мм рт. ст.]
BLDS глюкоза в крови натощак [мг/дл]
tot_chole общий холестерин [мг/дл]
HDL_chole Холестерин ЛПВП [мг/дл]
LDL_chole Холестерин ЛПНП [мг/дл]
triglyceride триглицерид [мг/дл]
hemoglobin гемоглобин [г/дл]
urine_protein белок в моче, 1(-), 2(+/-), 3(+1), 4(+2), 5(+3), 6(+4)
serum_creatinine креатинин сыворотки (крови) [мг/дл]
SGOT_AST глутамат-оксалоацетат-трансаминаза / аспартат-трансаминаза [МЕ/л]
SGOT_ALT аланиновая трансаминаза [МЕ/л]
gamma_GTP γ-глутамилтранспептидаза [МЕ/л]
SMK_stat_type_cd Степень курения: 1 (никогда), 2 (бросил), 3 (курю)
DRK_YN Пьющий или нет

Как запустить лабораторную работу:

Для запуска лабораторной работы необходимо запустить файл lab3.py

Используемые технологии:

  • Python 3.12
  • pandas
  • scikit-learn

Что делает лабораторная работа:

Эта лабораторная программа загружает данные из csv файла, подготавливает их для обучения модели классификации дерева решений, обучает модель, выполняет прогнозы и оценивает ее точность, а затем выводит важность признаков.

Целевой признак - SMK_stat_type_cd - степень курения

Предварительная обработка данных:

Изначально датасет имеет несколько категориальных признаков : sex , DRK_YN

Преобразуем их в фиктивные переменные используя

data = pd.get_dummies(data, columns=['sex', 'DRK_YN'], drop_first=True)

Результат:

Результат

Вывод:

На основе этих результатов можно сделать выводы о том, что половой признак (sex_Male) оказывается наиболее влиятельным для классификации степени курения. Также можно выделить наименее важные признаки, это слух (hear_left, hear_right).

Точность модели составляет примерно 62%, говорит о том, что она классифицирует данные с относительно средней точностью.