IIS_2023_1/volkov_rafael_lab_3/readme.md
2023-12-05 12:27:52 +04:00

2.9 KiB
Raw Blame History

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.