45 lines
2.9 KiB
Markdown
45 lines
2.9 KiB
Markdown
# Лабораторная работа №5. Регрессия
|
||
## 2 вариант(27 % 5 = 2)
|
||
### Задание:
|
||
Использовать регрессию по варианту для данных из таблицы 1 по
|
||
варианту (таблица 10), самостоятельно сформулировав задачу. Оценить,
|
||
насколько хорошо она подходит для решения сформулированной вами задачи.
|
||
|
||
Используемый метод: Логистическая регрессия
|
||
|
||
В моем случае данными является датасет о продаже автомобилей. В датасете представлены следующие столбцы:
|
||
* id
|
||
* Company Name
|
||
* Model Name
|
||
* Price
|
||
* Model Year
|
||
* Location
|
||
* Mileage
|
||
* Engine Type
|
||
* Engine Capacity
|
||
* Color
|
||
* Assembly
|
||
* Body Type
|
||
* Transmission Type
|
||
* Registration Status
|
||
|
||
### Как запустить лабораторную
|
||
1. Запустить файл main.py
|
||
|
||
### Используемые технологии
|
||
1. Библиотека matplotlib
|
||
2. Библиотека scikit-learn
|
||
3. Библиотека pandas
|
||
3. Python
|
||
4. IDE PyCharm
|
||
|
||
### Описание лабораторной работы
|
||
Программа выполняет решение задачи регрессии методом логистической регрессии, используя для своей работы признаки "Registration Status", 'Model Year', 'Mileage'. Предсказывается вероятность регистрации автомобиля на основе данных о его пробеге и годе выпуска.
|
||
Для работы программы выбирается часть данных(Ввиду того, что работы программы на полном объеме данных требует больших вычислительных мощностей), затем строковые значения преобразуются в числовые. Данные разделяются на тестовый и тренировочный наборы,
|
||
строится модель логистической регрессии, после чего оценивается её качество.
|
||
После чего строится график, который показывается на экране, а так же сохраняется в папке проекта.
|
||
Точность: 0.04852728150651859
|
||
Скриншот работы программы представлен в папке проекта.
|
||
### Результат
|
||
|
||
Модель логистической регрессии показала весьма низкие результаты, в связи с этим можно сделать вывод ,что она не подходит для решения сформулированной задачи. |