32 lines
2.7 KiB
Markdown
32 lines
2.7 KiB
Markdown
# Лабораторная работа 6. Нейронная сеть
|
||
## Задание
|
||
Использовать нейронную сеть по варианту (24 % 2 == 0) для данных из таблицы, самостоятельно сформулировав задачу.
|
||
Оценить, насколько хорошо она подходит для решения сформулированной мной задачи.
|
||
|
||
Ссылка на мой датасет: https://www.kaggle.com/datasets/mlardi/hotel-booking-demand-with-economic-indicators
|
||
## Задача
|
||
Прогнозирование среднего дохода отеля (adr) на основе различных
|
||
экономических и операционных показателей, используя многослойный персептрон (MLPRegressor)
|
||
### Запуск программы
|
||
Файл lab6.py содержит и запускает программу.
|
||
|
||
### Описание программы
|
||
Программа состоит из двух частей:
|
||
1. Она считывает файл с данными о двух отелях: City Hotel и Resort Hotel. Содержит множество различных метрик
|
||
2. Далее определяет необходимые признаки для характеристики дохода
|
||
3. Обучает нейронную сеть и выводит степень ошибок по различным метрикам
|
||
### Результаты тестирования
|
||
По результатам тестирования, можно сказать следующее:
|
||
|
||
Вывод:
|
||
* Среднеквадратичная ошибка (MSE): 29.84% - показывает самое большое отклонение, но является неплохим результатом,
|
||
хоть и может быть оптимизировано лучше
|
||
* Среднеабсолютное отклонение (MAE): 21.11% - показывает средний уровень отклонения, но является неплохим результатом
|
||
* Коэффициент детерминации (R^2): 59.650000000000006% - показывает неплохой уровень изменчивости целевой переменной,
|
||
которое может быть объяснено моделью, но может быть улучшено
|
||
|
||
Результаты показывают, что модель может быть еще больше улучшена,
|
||
так как имеется неплохой уровень ошибки, но всё же эта модель показывает лучший результат, чем модель регрессии
|
||
|
||
|