| .. | ||
| templates | ||
| app.py | ||
| readme.md | ||
| student-mat.csv | ||
Общее задание: Использовать нейронную сеть (четные варианты – MLPRegressor, нечетные – MLPClassifier) для данных из датасета выбранного для курсовой работы, самостоятельно сформулировав задачу. Интерпретировать результаты и оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
Задание по вариантам: модель MLPClassifier Тема: Анализ благополучия студентов Датасет: Student Alcohol Consumption ссылка: https://www.kaggle.com/datasets/uciml/student-alcohol-consumption?resource=download
Задача для нейронной сети: предсказание оценки учащихся, опираясь на данные их социального благополучия
Чтобы Запустить приложение нужно запустить файл app.py
Используемые технологии:
Flask: Фреймворк для создания веб-приложений на языке Python. pandas: Библиотека для обработки и анализа данных. scikit-learn: Библиотека для машинного обучения, включая MLPClassifier для нейронных сетей. HTML: Язык разметки для создания веб-страниц. CSS: Таблицы стилей для стилизации веб-страницы. Описание работы программы: Программа представляет собой веб-приложение, использующее машинное обучение для предсказания оценки студента. Она загружает данные из файла student-mat.csv, предобрабатывает их, обучает модель многослойного персептрона (MLP) на основе scikit-learn и предоставляет интерфейс для пользователя вводить данные студента и получать предсказание оценки.
Входные данные:
Pstatus: Статус совместного жилья родителей (A, T). guardian: Опекун студента (mother, father, mother). internet: Наличие интернета (no, yes). romantic: Наличие романтических отношений (no, yes). famrel: Оценка семейных отношений (4, 5, ...). freetime: Свободное время после школы (1, 2, ..., 5). goout: Время, проведенное с друзьями (1, 2, ..., 5). Dalc: Потребление алкоголя в рабочие дни (1, 2, ..., 5). Walc: Потребление алкоголя в выходные (1, 2, ..., 5). health: Текущее состояние здоровья (1, 2, ..., 5). absences: Количество пропущенных занятий (0, 1, 2, ...). Выходные данные: После ввода пользователем данных о студенте (через веб-форму), программа возвращает предсказанную оценку студента.