LabWork2 #3
5
.gitignore
vendored
5
.gitignore
vendored
@ -208,3 +208,8 @@ kernel/share/jupyter/kernels/python3/logo-64x64.png
|
|||||||
kernel/share/jupyter/kernels/python3/logo-svg.svg
|
kernel/share/jupyter/kernels/python3/logo-svg.svg
|
||||||
kernel/share/man/man1/ipython.1
|
kernel/share/man/man1/ipython.1
|
||||||
kernel/share/man/man1/ttx.1
|
kernel/share/man/man1/ttx.1
|
||||||
|
lab_2/datasets/game_reviews.csv
|
||||||
|
lab_2/datasets/laptop.csv
|
||||||
|
lab_2/datasets/Popular_PL.csv
|
||||||
|
lab_2/datasets/coffee.csv
|
||||||
|
lab_2/datasets/car_price_prediction.csv
|
||||||
|
|||||||
821
lab_2/lab_2.ipynb
Normal file
821
lab_2/lab_2.ipynb
Normal file
@ -0,0 +1,821 @@
|
|||||||
|
{
|
||||||
|
"cells": [
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"### Lab2 PIbd-31 Yakovlev\n",
|
||||||
|
"Загрузим три датасета"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 124,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"<class 'pandas.core.frame.DataFrame'>\n",
|
||||||
|
"RangeIndex: 532 entries, 0 to 531\n",
|
||||||
|
"Data columns (total 18 columns):\n",
|
||||||
|
" # Column Non-Null Count Dtype \n",
|
||||||
|
"--- ------ -------------- ----- \n",
|
||||||
|
" 0 brand_name 532 non-null object \n",
|
||||||
|
" 1 price 532 non-null int64 \n",
|
||||||
|
" 2 rating 532 non-null int64 \n",
|
||||||
|
" 3 processor_gen 520 non-null object \n",
|
||||||
|
" 4 processor_brand 532 non-null object \n",
|
||||||
|
" 5 processor_segment 528 non-null object \n",
|
||||||
|
" 6 CPU_mark 532 non-null object \n",
|
||||||
|
" 7 CPU_performance 532 non-null object \n",
|
||||||
|
" 8 Graphic_card_memory 530 non-null object \n",
|
||||||
|
" 9 graphic_card_name 530 non-null object \n",
|
||||||
|
" 10 graphic_card_num 532 non-null object \n",
|
||||||
|
" 11 Core 530 non-null float64\n",
|
||||||
|
" 12 threads 514 non-null float64\n",
|
||||||
|
" 13 display_inches 532 non-null object \n",
|
||||||
|
" 14 ram_storage 532 non-null int64 \n",
|
||||||
|
" 15 ram_type 532 non-null object \n",
|
||||||
|
" 16 operating_system 502 non-null float64\n",
|
||||||
|
" 17 SSD_storage 532 non-null object \n",
|
||||||
|
"dtypes: float64(3), int64(3), object(12)\n",
|
||||||
|
"memory usage: 74.9+ KB\n",
|
||||||
|
"<class 'pandas.core.frame.DataFrame'>\n",
|
||||||
|
"RangeIndex: 8036 entries, 0 to 8035\n",
|
||||||
|
"Data columns (total 7 columns):\n",
|
||||||
|
" # Column Non-Null Count Dtype \n",
|
||||||
|
"--- ------ -------------- ----- \n",
|
||||||
|
" 0 Date 8036 non-null object \n",
|
||||||
|
" 1 Open 8036 non-null float64\n",
|
||||||
|
" 2 High 8036 non-null float64\n",
|
||||||
|
" 3 Low 8036 non-null float64\n",
|
||||||
|
" 4 Close 8036 non-null float64\n",
|
||||||
|
" 5 Adj Close 8036 non-null float64\n",
|
||||||
|
" 6 Volume 8036 non-null int64 \n",
|
||||||
|
"dtypes: float64(5), int64(1), object(1)\n",
|
||||||
|
"memory usage: 439.6+ KB\n",
|
||||||
|
"<class 'pandas.core.frame.DataFrame'>\n",
|
||||||
|
"RangeIndex: 19237 entries, 0 to 19236\n",
|
||||||
|
"Data columns (total 18 columns):\n",
|
||||||
|
" # Column Non-Null Count Dtype \n",
|
||||||
|
"--- ------ -------------- ----- \n",
|
||||||
|
" 0 ID 19237 non-null int64 \n",
|
||||||
|
" 1 Price 19237 non-null int64 \n",
|
||||||
|
" 2 Levy 19237 non-null object \n",
|
||||||
|
" 3 Manufacturer 19237 non-null object \n",
|
||||||
|
" 4 Model 19237 non-null object \n",
|
||||||
|
" 5 Prod. year 19237 non-null int64 \n",
|
||||||
|
" 6 Category 19237 non-null object \n",
|
||||||
|
" 7 Leather interior 19237 non-null object \n",
|
||||||
|
" 8 Fuel type 19237 non-null object \n",
|
||||||
|
" 9 Engine volume 19237 non-null object \n",
|
||||||
|
" 10 Mileage 19237 non-null object \n",
|
||||||
|
" 11 Cylinders 19237 non-null float64\n",
|
||||||
|
" 12 Gear box type 19237 non-null object \n",
|
||||||
|
" 13 Drive wheels 19237 non-null object \n",
|
||||||
|
" 14 Doors 19237 non-null object \n",
|
||||||
|
" 15 Wheel 19237 non-null object \n",
|
||||||
|
" 16 Color 19237 non-null object \n",
|
||||||
|
" 17 Airbags 19237 non-null int64 \n",
|
||||||
|
"dtypes: float64(1), int64(4), object(13)\n",
|
||||||
|
"memory usage: 2.6+ MB\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"import pandas as pd\n",
|
||||||
|
"\n",
|
||||||
|
"df = pd.read_csv(\"datasets/laptop.csv\")\n",
|
||||||
|
"df2 = pd.read_csv(\"datasets/coffee.csv\")\n",
|
||||||
|
"df3 = pd.read_csv(\"datasets/car_price_prediction.csv\")\n",
|
||||||
|
"df.info()\n",
|
||||||
|
"df2.info()\n",
|
||||||
|
"df3.info()"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"#### Проблемная область\n",
|
||||||
|
"Первый датасет позволяет проанализировать данные, и понять какие ноутбуки имеют превосходство на рынке техники, и какие чаще всего выбирают пользователи.\n",
|
||||||
|
"Второй датасет позволяет при помощи данных акций за последние 25 лет спрогнозировать будущие показатели акций кофейни Starbucks\n",
|
||||||
|
"Третий датасет позволяет проанализировать данные, и спрогнозировать категорию цены для машины, по ее комплектующим.\n",
|
||||||
|
"#### Анализ набора данных\n",
|
||||||
|
"Объекты наблюдения - игровые ноутбуки, акции, машины\n",
|
||||||
|
"Атрибуты - \n",
|
||||||
|
"1. Имя бренда, цена, рейтинг, поколение процессора, марка процессора, сегмент процессора, специальная метка, производительность процессора, видеокарта, видеопамять, номер видеокарты, кол-во потоков видеокарты, размер дисплея, оперативная память, тип оперативной памяти, ОС, SSD.\n",
|
||||||
|
"2. Дата, начальная цена за день, максимальная цена, минимальная цена, цена на момент закрытия продаж, скорректированая цена на момент закрытия, объем торговли акций за день.\n",
|
||||||
|
"3. Цена обслуживания, производитель, модель, год выпуска, категория, кожанный салон, тип топлива, объем двигателя.\n",
|
||||||
|
"Связи между объектами - нет\n",
|
||||||
|
"#### Бизнес-цели\n",
|
||||||
|
"1. Какие модели игровых ноутбуков более выгодно продавать магазинам техники. Какие комплектующие наиболее популярны у производителей и покупателей, для дальнейшего увеличения производства данных комплектующих.\n",
|
||||||
|
"2. Прогноз цен, для дальнешей покупки, продажи акций. Прогнозирование, для предотвращения упадка.\n",
|
||||||
|
"3. Для составления списка лучших моделей автомобилей. Определения наилучшего буджетного автомобиля, который не будет часто ломаться и приносить убытки.\n",
|
||||||
|
"#### Примеры целей технического проекта. Что поступает на вход, что является целевым признаком.\n",
|
||||||
|
"На входе всегда датасет, целевые признаки:\n",
|
||||||
|
"1. Рейтинг ноутбука\n",
|
||||||
|
"2. Максимальная цена за день\n",
|
||||||
|
"3. Цена обслуживания\n",
|
||||||
|
"#### Проблемы набора данных и их решения\n",
|
||||||
|
"1. Возможны устаревшие данные. Для решения данной проблемы требуется удаление самых старых записей, и добавление более новых.\n",
|
||||||
|
"2. Возможны выбросы. Решить эту проблему помогает удаление таких выбросов. В маленькой выборке не рекомендуется удалять выбросы. В большой выборке выбросы усредняются.\n",
|
||||||
|
"#### Качество набора данных\n",
|
||||||
|
"Наборы данных содержат достаточно примеров и признаков для обучения модели. Учтены различные ситуации проблемной области. Данные соответствуют данным, которые будут\n",
|
||||||
|
"подаваться в производственной среде. Все метки согласованы.\n"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"### Поиск аномалий"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 125,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
" price rating Core threads ram_storage \\\n",
|
||||||
|
"count 532.000000 532.000000 530.000000 514.000000 532.000000 \n",
|
||||||
|
"mean 107684.492481 67.781955 9.035849 15.089494 15.676692 \n",
|
||||||
|
"std 80187.648965 8.161356 4.413487 5.216162 8.901257 \n",
|
||||||
|
"min 30999.000000 43.000000 2.000000 4.000000 4.000000 \n",
|
||||||
|
"25% 62371.750000 63.000000 6.000000 12.000000 8.000000 \n",
|
||||||
|
"50% 83745.000000 66.000000 8.000000 16.000000 16.000000 \n",
|
||||||
|
"75% 114040.000000 72.000000 10.000000 16.000000 16.000000 \n",
|
||||||
|
"max 599990.000000 98.000000 24.000000 32.000000 64.000000 \n",
|
||||||
|
"\n",
|
||||||
|
" operating_system \n",
|
||||||
|
"count 502.000000 \n",
|
||||||
|
"mean 10.842629 \n",
|
||||||
|
"std 0.364513 \n",
|
||||||
|
"min 10.000000 \n",
|
||||||
|
"25% 11.000000 \n",
|
||||||
|
"50% 11.000000 \n",
|
||||||
|
"75% 11.000000 \n",
|
||||||
|
"max 11.000000 \n",
|
||||||
|
" Open High Low Close Adj Close \\\n",
|
||||||
|
"count 8036.000000 8036.000000 8036.000000 8036.000000 8036.000000 \n",
|
||||||
|
"mean 30.054280 30.351487 29.751322 30.058857 26.674025 \n",
|
||||||
|
"std 33.615577 33.906613 33.314569 33.615911 31.728090 \n",
|
||||||
|
"min 0.328125 0.347656 0.320313 0.335938 0.260703 \n",
|
||||||
|
"25% 4.392031 4.531250 4.304922 4.399610 3.414300 \n",
|
||||||
|
"50% 13.325000 13.493750 13.150000 13.330000 10.352452 \n",
|
||||||
|
"75% 55.250000 55.722501 54.852499 55.267499 47.464829 \n",
|
||||||
|
"max 126.080002 126.320000 124.809998 126.059998 118.010414 \n",
|
||||||
|
"\n",
|
||||||
|
" Volume \n",
|
||||||
|
"count 8.036000e+03 \n",
|
||||||
|
"mean 1.470459e+07 \n",
|
||||||
|
"std 1.340021e+07 \n",
|
||||||
|
"min 1.504000e+06 \n",
|
||||||
|
"25% 7.817750e+06 \n",
|
||||||
|
"50% 1.169815e+07 \n",
|
||||||
|
"75% 1.778795e+07 \n",
|
||||||
|
"max 5.855088e+08 \n",
|
||||||
|
" ID Price Prod. year Cylinders Airbags\n",
|
||||||
|
"count 1.923700e+04 1.923700e+04 19237.000000 19237.000000 19237.000000\n",
|
||||||
|
"mean 4.557654e+07 1.855593e+04 2010.912824 4.582991 6.582627\n",
|
||||||
|
"std 9.365914e+05 1.905813e+05 5.668673 1.199933 4.320168\n",
|
||||||
|
"min 2.074688e+07 1.000000e+00 1939.000000 1.000000 0.000000\n",
|
||||||
|
"25% 4.569837e+07 5.331000e+03 2009.000000 4.000000 4.000000\n",
|
||||||
|
"50% 4.577231e+07 1.317200e+04 2012.000000 4.000000 6.000000\n",
|
||||||
|
"75% 4.580204e+07 2.207500e+04 2015.000000 4.000000 12.000000\n",
|
||||||
|
"max 4.581665e+07 2.630750e+07 2020.000000 16.000000 16.000000\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"print(df.describe())\n",
|
||||||
|
"print(df2.describe())\n",
|
||||||
|
"print(df3.describe())"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"При просмотре вывода не было замечено аномалий в столбцах датасетов."
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"#### Проблема пропущенных данных"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 126,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"DATASET 1\n",
|
||||||
|
"processor_gen процент пустых значений: %2.26\n",
|
||||||
|
"processor_segment процент пустых значений: %0.75\n",
|
||||||
|
"Graphic_card_memory процент пустых значений: %0.38\n",
|
||||||
|
"graphic_card_name процент пустых значений: %0.38\n",
|
||||||
|
"Core процент пустых значений: %0.38\n",
|
||||||
|
"threads процент пустых значений: %3.38\n",
|
||||||
|
"operating_system процент пустых значений: %5.64\n",
|
||||||
|
"DATASET 2\n",
|
||||||
|
"DATASET 3\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"print(\"DATASET 1\")\n",
|
||||||
|
"for i in df.columns:\n",
|
||||||
|
" null_rate = df[i].isnull().sum() / len(df)*100\n",
|
||||||
|
" if null_rate > 0:\n",
|
||||||
|
" print(f\"{i} процент пустых значений: %{null_rate:.2f}\")\n",
|
||||||
|
"print(\"DATASET 2\")\n",
|
||||||
|
"for i in df2.columns:\n",
|
||||||
|
" null_rate = df2[i].isnull().sum() / len(df2)*100\n",
|
||||||
|
" if null_rate > 0:\n",
|
||||||
|
" print(f\"{i} процент пустых значений: %{null_rate:.2f}\")\n",
|
||||||
|
"print(\"DATASET 3\")\n",
|
||||||
|
"for i in df3.columns:\n",
|
||||||
|
" null_rate = df3[i].isnull().sum() / len(df3)*100\n",
|
||||||
|
" if null_rate > 0:\n",
|
||||||
|
" print(f\"{i} процент пустых значений: %{null_rate:.2f}\")"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"В первом датасете были поля с пустыми значениями, в остальных пустых значений не найдено."
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 127,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"brand_name False\n",
|
||||||
|
"price False\n",
|
||||||
|
"rating False\n",
|
||||||
|
"processor_gen False\n",
|
||||||
|
"processor_brand False\n",
|
||||||
|
"processor_segment False\n",
|
||||||
|
"CPU_mark False\n",
|
||||||
|
"CPU_performance False\n",
|
||||||
|
"Graphic_card_memory False\n",
|
||||||
|
"graphic_card_name False\n",
|
||||||
|
"graphic_card_num False\n",
|
||||||
|
"Core False\n",
|
||||||
|
"threads False\n",
|
||||||
|
"display_inches False\n",
|
||||||
|
"ram_storage False\n",
|
||||||
|
"ram_type False\n",
|
||||||
|
"operating_system False\n",
|
||||||
|
"SSD_storage False\n",
|
||||||
|
"dtype: bool\n"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"data": {
|
||||||
|
"text/html": [
|
||||||
|
"<div>\n",
|
||||||
|
"<style scoped>\n",
|
||||||
|
" .dataframe tbody tr th:only-of-type {\n",
|
||||||
|
" vertical-align: middle;\n",
|
||||||
|
" }\n",
|
||||||
|
"\n",
|
||||||
|
" .dataframe tbody tr th {\n",
|
||||||
|
" vertical-align: top;\n",
|
||||||
|
" }\n",
|
||||||
|
"\n",
|
||||||
|
" .dataframe thead th {\n",
|
||||||
|
" text-align: right;\n",
|
||||||
|
" }\n",
|
||||||
|
"</style>\n",
|
||||||
|
"<table border=\"1\" class=\"dataframe\">\n",
|
||||||
|
" <thead>\n",
|
||||||
|
" <tr style=\"text-align: right;\">\n",
|
||||||
|
" <th></th>\n",
|
||||||
|
" <th>brand_name</th>\n",
|
||||||
|
" <th>price</th>\n",
|
||||||
|
" <th>rating</th>\n",
|
||||||
|
" <th>processor_gen</th>\n",
|
||||||
|
" <th>processor_brand</th>\n",
|
||||||
|
" <th>processor_segment</th>\n",
|
||||||
|
" <th>CPU_mark</th>\n",
|
||||||
|
" <th>CPU_performance</th>\n",
|
||||||
|
" <th>Graphic_card_memory</th>\n",
|
||||||
|
" <th>graphic_card_name</th>\n",
|
||||||
|
" <th>graphic_card_num</th>\n",
|
||||||
|
" <th>Core</th>\n",
|
||||||
|
" <th>threads</th>\n",
|
||||||
|
" <th>display_inches</th>\n",
|
||||||
|
" <th>ram_storage</th>\n",
|
||||||
|
" <th>ram_type</th>\n",
|
||||||
|
" <th>operating_system</th>\n",
|
||||||
|
" <th>SSD_storage</th>\n",
|
||||||
|
" </tr>\n",
|
||||||
|
" </thead>\n",
|
||||||
|
" <tbody>\n",
|
||||||
|
" <tr>\n",
|
||||||
|
" <th>527</th>\n",
|
||||||
|
" <td>dell</td>\n",
|
||||||
|
" <td>75500</td>\n",
|
||||||
|
" <td>63</td>\n",
|
||||||
|
" <td>4th</td>\n",
|
||||||
|
" <td>amd</td>\n",
|
||||||
|
" <td>5</td>\n",
|
||||||
|
" <td>4600H</td>\n",
|
||||||
|
" <td>maximum performance</td>\n",
|
||||||
|
" <td>6 GB</td>\n",
|
||||||
|
" <td>amd radeon</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>6.0</td>\n",
|
||||||
|
" <td>12.0</td>\n",
|
||||||
|
" <td>15.6</td>\n",
|
||||||
|
" <td>8</td>\n",
|
||||||
|
" <td>DDR4</td>\n",
|
||||||
|
" <td>10.0</td>\n",
|
||||||
|
" <td>512 GB SSD</td>\n",
|
||||||
|
" </tr>\n",
|
||||||
|
" <tr>\n",
|
||||||
|
" <th>528</th>\n",
|
||||||
|
" <td>lenovo</td>\n",
|
||||||
|
" <td>151990</td>\n",
|
||||||
|
" <td>75</td>\n",
|
||||||
|
" <td>10th</td>\n",
|
||||||
|
" <td>intel</td>\n",
|
||||||
|
" <td>i7</td>\n",
|
||||||
|
" <td>10875H</td>\n",
|
||||||
|
" <td>maximum performance</td>\n",
|
||||||
|
" <td>8 GB</td>\n",
|
||||||
|
" <td>nvidia geforce</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>8.0</td>\n",
|
||||||
|
" <td>16.0</td>\n",
|
||||||
|
" <td>15.6</td>\n",
|
||||||
|
" <td>16</td>\n",
|
||||||
|
" <td>DDR4</td>\n",
|
||||||
|
" <td>10.0</td>\n",
|
||||||
|
" <td>1 TB SSD</td>\n",
|
||||||
|
" </tr>\n",
|
||||||
|
" <tr>\n",
|
||||||
|
" <th>529</th>\n",
|
||||||
|
" <td>lenovo</td>\n",
|
||||||
|
" <td>46500</td>\n",
|
||||||
|
" <td>48</td>\n",
|
||||||
|
" <td>8th</td>\n",
|
||||||
|
" <td>intel</td>\n",
|
||||||
|
" <td>i5</td>\n",
|
||||||
|
" <td>8250U</td>\n",
|
||||||
|
" <td>ultra-low power</td>\n",
|
||||||
|
" <td>Integrated</td>\n",
|
||||||
|
" <td>Intel Integrated</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>4.0</td>\n",
|
||||||
|
" <td>8.0</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>4</td>\n",
|
||||||
|
" <td>DDR4</td>\n",
|
||||||
|
" <td>0.0</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" </tr>\n",
|
||||||
|
" <tr>\n",
|
||||||
|
" <th>530</th>\n",
|
||||||
|
" <td>msi</td>\n",
|
||||||
|
" <td>109990</td>\n",
|
||||||
|
" <td>61</td>\n",
|
||||||
|
" <td>9th</td>\n",
|
||||||
|
" <td>intel</td>\n",
|
||||||
|
" <td>i7</td>\n",
|
||||||
|
" <td>9750H</td>\n",
|
||||||
|
" <td>maximum performance</td>\n",
|
||||||
|
" <td>6 GB</td>\n",
|
||||||
|
" <td>nvidia geforce</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>6.0</td>\n",
|
||||||
|
" <td>12.0</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>8</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" <td>0.0</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" </tr>\n",
|
||||||
|
" <tr>\n",
|
||||||
|
" <th>531</th>\n",
|
||||||
|
" <td>hp</td>\n",
|
||||||
|
" <td>95800</td>\n",
|
||||||
|
" <td>70</td>\n",
|
||||||
|
" <td>9th</td>\n",
|
||||||
|
" <td>intel</td>\n",
|
||||||
|
" <td>i7</td>\n",
|
||||||
|
" <td>9750H</td>\n",
|
||||||
|
" <td>maximum performance</td>\n",
|
||||||
|
" <td>4 GB</td>\n",
|
||||||
|
" <td>nvidia geforce</td>\n",
|
||||||
|
" <td>1650</td>\n",
|
||||||
|
" <td>6.0</td>\n",
|
||||||
|
" <td>12.0</td>\n",
|
||||||
|
" <td>15.6</td>\n",
|
||||||
|
" <td>8</td>\n",
|
||||||
|
" <td>DDR4</td>\n",
|
||||||
|
" <td>0.0</td>\n",
|
||||||
|
" <td>other</td>\n",
|
||||||
|
" </tr>\n",
|
||||||
|
" </tbody>\n",
|
||||||
|
"</table>\n",
|
||||||
|
"</div>"
|
||||||
|
],
|
||||||
|
"text/plain": [
|
||||||
|
" brand_name price rating processor_gen processor_brand \\\n",
|
||||||
|
"527 dell 75500 63 4th amd \n",
|
||||||
|
"528 lenovo 151990 75 10th intel \n",
|
||||||
|
"529 lenovo 46500 48 8th intel \n",
|
||||||
|
"530 msi 109990 61 9th intel \n",
|
||||||
|
"531 hp 95800 70 9th intel \n",
|
||||||
|
"\n",
|
||||||
|
" processor_segment CPU_mark CPU_performance Graphic_card_memory \\\n",
|
||||||
|
"527 5 4600H maximum performance 6 GB \n",
|
||||||
|
"528 i7 10875H maximum performance 8 GB \n",
|
||||||
|
"529 i5 8250U ultra-low power Integrated \n",
|
||||||
|
"530 i7 9750H maximum performance 6 GB \n",
|
||||||
|
"531 i7 9750H maximum performance 4 GB \n",
|
||||||
|
"\n",
|
||||||
|
" graphic_card_name graphic_card_num Core threads display_inches \\\n",
|
||||||
|
"527 amd radeon other 6.0 12.0 15.6 \n",
|
||||||
|
"528 nvidia geforce other 8.0 16.0 15.6 \n",
|
||||||
|
"529 Intel Integrated other 4.0 8.0 other \n",
|
||||||
|
"530 nvidia geforce other 6.0 12.0 other \n",
|
||||||
|
"531 nvidia geforce 1650 6.0 12.0 15.6 \n",
|
||||||
|
"\n",
|
||||||
|
" ram_storage ram_type operating_system SSD_storage \n",
|
||||||
|
"527 8 DDR4 10.0 512 GB SSD \n",
|
||||||
|
"528 16 DDR4 10.0 1 TB SSD \n",
|
||||||
|
"529 4 DDR4 0.0 other \n",
|
||||||
|
"530 8 other 0.0 other \n",
|
||||||
|
"531 8 DDR4 0.0 other "
|
||||||
|
]
|
||||||
|
},
|
||||||
|
"execution_count": 127,
|
||||||
|
"metadata": {},
|
||||||
|
"output_type": "execute_result"
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"df = df.fillna(0) #Замена пустых значений на 0\n",
|
||||||
|
"print(df.isnull().any())\n",
|
||||||
|
"df.tail()"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"#### Разбиение на выборки\n",
|
||||||
|
"Для разбиения на выборке для начала уменьшим количество уникальных значений в столбцах с целевыми признаками, путем добавления новых столбцов с малым количеством уникальных значений."
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 128,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [],
|
||||||
|
"source": [
|
||||||
|
"#У первого дата сета добавим новый столбец с рейтингом от 1 до 5 на основе столбца от 1 до 100.\n",
|
||||||
|
"\n",
|
||||||
|
"df['new_rating'] = pd.cut(df['rating'], bins=[0,20,40,60,80,100], labels=[1,2,3,4,5], include_lowest=True)\n",
|
||||||
|
"\n",
|
||||||
|
"#У второго добавим столбец с наибольшей ценой от 1 до 10, на основе столбца от 1 до 127.\n",
|
||||||
|
"\n",
|
||||||
|
"df2['new_high'] = pd.cut(df2['High'], bins=[0,13,26,39,52,65,78,91,104,117,130], labels=[1,2,3,4,5,6,7,8,9,10], include_lowest=True)\n",
|
||||||
|
"\n",
|
||||||
|
"#У третьего удалим слишком большие значения обслуживания и слишком маленькие и добавим новый столбец с категориями цен от 1 до 5.\n",
|
||||||
|
"\n",
|
||||||
|
"df3_filtered = df3[df3['Price'] >= 10000]\n",
|
||||||
|
"df3_filtered = df3_filtered[df3_filtered['Price'] <= 100000]\n",
|
||||||
|
"df3_filtered['new_price'] = pd.cut(df3_filtered['Price'], bins=[10000,28000,46000,64000,82000,100000], labels=[1,2,3,4,5], include_lowest=True)"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 129,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [],
|
||||||
|
"source": [
|
||||||
|
"from sklearn.model_selection import train_test_split\n",
|
||||||
|
"\n",
|
||||||
|
"def split_stratified_into_train_val_test(\n",
|
||||||
|
" df_input,\n",
|
||||||
|
" stratify_colname=\"y\",\n",
|
||||||
|
" frac_train=0.6,\n",
|
||||||
|
" frac_val=0.15,\n",
|
||||||
|
" frac_test=0.25,\n",
|
||||||
|
" random_state=None,\n",
|
||||||
|
"):\n",
|
||||||
|
" if frac_train + frac_val + frac_test != 1.0:\n",
|
||||||
|
" raise ValueError(\n",
|
||||||
|
" \"fractions %f, %f, %f do not add up to 1.0\"\n",
|
||||||
|
" % (frac_train, frac_val, frac_test)\n",
|
||||||
|
" )\n",
|
||||||
|
"\n",
|
||||||
|
" if stratify_colname not in df_input.columns:\n",
|
||||||
|
" raise ValueError(\"%s is not a column in the dataframe\" % (stratify_colname))\n",
|
||||||
|
"\n",
|
||||||
|
" X = df_input # Contains all columns.\n",
|
||||||
|
" y = df_input[\n",
|
||||||
|
" [stratify_colname]\n",
|
||||||
|
" ] # Dataframe of just the column on which to stratify.\n",
|
||||||
|
"\n",
|
||||||
|
" # Split original dataframe into train and temp dataframes.\n",
|
||||||
|
" df_train, df_temp, y_train, y_temp = train_test_split(\n",
|
||||||
|
" X, y, stratify=y, test_size=(1.0 - frac_train), random_state=random_state\n",
|
||||||
|
" )\n",
|
||||||
|
"\n",
|
||||||
|
" # Split the temp dataframe into val and test dataframes.\n",
|
||||||
|
" relative_frac_test = frac_test / (frac_val + frac_test)\n",
|
||||||
|
" df_val, df_test, y_val, y_test = train_test_split(\n",
|
||||||
|
" df_temp,\n",
|
||||||
|
" y_temp,\n",
|
||||||
|
" stratify=y_temp,\n",
|
||||||
|
" test_size=relative_frac_test,\n",
|
||||||
|
" random_state=random_state,\n",
|
||||||
|
" )\n",
|
||||||
|
"\n",
|
||||||
|
" assert len(df_input) == len(df_train) + len(df_val) + len(df_test)\n",
|
||||||
|
"\n",
|
||||||
|
" return df_train, df_val, df_test"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"### Выборки датасетов"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 130,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"train df: (319, 19), Val df: (106, 19), Test df:(107, 19)\n",
|
||||||
|
"train df2: (4821, 8), Val df2: (1607, 8), Test df2:(1608, 8)\n",
|
||||||
|
"train df3_filtered: (6931, 19), Val df3_filtered: (2310, 19), Test df3_filtered:(2311, 19)\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"df_train1, df_val1, df_test1 = split_stratified_into_train_val_test(\n",
|
||||||
|
" df, stratify_colname=\"new_rating\", frac_train=0.60, frac_val=0.20, frac_test=0.20\n",
|
||||||
|
")\n",
|
||||||
|
"\n",
|
||||||
|
"df_train2, df_val2, df_test2 = split_stratified_into_train_val_test(\n",
|
||||||
|
" df2, stratify_colname=\"new_high\", frac_train=0.60, frac_val=0.20, frac_test=0.20\n",
|
||||||
|
")\n",
|
||||||
|
"\n",
|
||||||
|
"df_train3, df_val3, df_test3 = split_stratified_into_train_val_test(\n",
|
||||||
|
" df3_filtered, stratify_colname=\"new_price\", frac_train=0.60, frac_val=0.20, frac_test=0.20\n",
|
||||||
|
")\n",
|
||||||
|
"\n",
|
||||||
|
"print(f\"train df: {df_train1.shape}, Val df: {df_val1.shape}, Test df:{df_test1.shape}\")\n",
|
||||||
|
"print(f\"train df2: {df_train2.shape}, Val df2: {df_val2.shape}, Test df2:{df_test2.shape}\")\n",
|
||||||
|
"print(f\"train df3_filtered: {df_train3.shape}, Val df3_filtered: {df_val3.shape}, Test df3_filtered:{df_test3.shape}\")\n"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "markdown",
|
||||||
|
"metadata": {},
|
||||||
|
"source": [
|
||||||
|
"Было сделано разбиение на три выборки: 60%, 20% и 20% при помощи библиотеки scikit-learn и функции train_test_split. На взгляд сбалансированные\n",
|
||||||
|
"### Приращение методами выборки с избытком (oversampling) и выборки с недостатком (undersampling)"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 131,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"Выборка до oversampling и undersampling: (319, 6)\n",
|
||||||
|
"new_rating\n",
|
||||||
|
"4 249\n",
|
||||||
|
"3 44\n",
|
||||||
|
"5 26\n",
|
||||||
|
"1 0\n",
|
||||||
|
"2 0\n",
|
||||||
|
"Name: count, dtype: int64\n",
|
||||||
|
"Выборка после oversampling: (750, 6)\n",
|
||||||
|
"new_rating\n",
|
||||||
|
"5 251\n",
|
||||||
|
"3 250\n",
|
||||||
|
"4 249\n",
|
||||||
|
"1 0\n",
|
||||||
|
"2 0\n",
|
||||||
|
"Name: count, dtype: int64\n",
|
||||||
|
"Выборка после undersampling: (78, 6)\n",
|
||||||
|
"new_rating\n",
|
||||||
|
"3 26\n",
|
||||||
|
"5 26\n",
|
||||||
|
"4 26\n",
|
||||||
|
"1 0\n",
|
||||||
|
"2 0\n",
|
||||||
|
"Name: count, dtype: int64\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"from imblearn.over_sampling import ADASYN\n",
|
||||||
|
"from imblearn.under_sampling import RandomUnderSampler\n",
|
||||||
|
"\n",
|
||||||
|
"df_train1 = df_train1[['price', 'rating', 'threads', 'ram_storage', 'operating_system', 'new_rating']].copy()\n",
|
||||||
|
"\n",
|
||||||
|
"ada = ADASYN()\n",
|
||||||
|
"undersampler = RandomUnderSampler(random_state=42)\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка до oversampling и undersampling:\", df_train1.shape)\n",
|
||||||
|
"print(df_train1.new_rating.value_counts())\n",
|
||||||
|
"\n",
|
||||||
|
"X_resampled, y_resampled = ada.fit_resample(df_train1, df_train1['new_rating'])\n",
|
||||||
|
"df_train1_adasyn = pd.DataFrame(X_resampled)\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка после oversampling: \", df_train1_adasyn.shape)\n",
|
||||||
|
"print(df_train1_adasyn.new_rating.value_counts())\n",
|
||||||
|
"\n",
|
||||||
|
"X_resampled_under, y_resampled_under = undersampler.fit_resample(df_train1, df_train1['new_rating'])\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка после undersampling: \", pd.DataFrame(X_resampled_under).shape)\n",
|
||||||
|
"print(pd.DataFrame(X_resampled_under).new_rating.value_counts())"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 132,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"Выборка до oversampling и undersampling: (4821, 7)\n",
|
||||||
|
"new_high\n",
|
||||||
|
"1 2326\n",
|
||||||
|
"2 704\n",
|
||||||
|
"5 519\n",
|
||||||
|
"3 299\n",
|
||||||
|
"8 242\n",
|
||||||
|
"7 222\n",
|
||||||
|
"9 181\n",
|
||||||
|
"4 151\n",
|
||||||
|
"6 146\n",
|
||||||
|
"10 31\n",
|
||||||
|
"Name: count, dtype: int64\n",
|
||||||
|
"Выборка после oversampling: (23144, 7)\n",
|
||||||
|
"new_high\n",
|
||||||
|
"8 2374\n",
|
||||||
|
"6 2368\n",
|
||||||
|
"2 2351\n",
|
||||||
|
"4 2335\n",
|
||||||
|
"1 2326\n",
|
||||||
|
"9 2317\n",
|
||||||
|
"10 2312\n",
|
||||||
|
"5 2256\n",
|
||||||
|
"7 2256\n",
|
||||||
|
"3 2249\n",
|
||||||
|
"Name: count, dtype: int64\n",
|
||||||
|
"Выборка после undersampling: (310, 7)\n",
|
||||||
|
"new_high\n",
|
||||||
|
"1 31\n",
|
||||||
|
"2 31\n",
|
||||||
|
"3 31\n",
|
||||||
|
"4 31\n",
|
||||||
|
"5 31\n",
|
||||||
|
"6 31\n",
|
||||||
|
"7 31\n",
|
||||||
|
"8 31\n",
|
||||||
|
"9 31\n",
|
||||||
|
"10 31\n",
|
||||||
|
"Name: count, dtype: int64\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"df_train2 = df_train2[['Open', 'High', 'new_high', 'Low', 'Close', 'Adj Close', 'Volume']].copy()\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка до oversampling и undersampling:\", df_train2.shape)\n",
|
||||||
|
"print(df_train2.new_high.value_counts())\n",
|
||||||
|
"\n",
|
||||||
|
"X_resampled, y_resampled = ada.fit_resample(df_train2, df_train2['new_high'])\n",
|
||||||
|
"df_train2_adasyn = pd.DataFrame(X_resampled)\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка после oversampling: \", df_train2_adasyn.shape)\n",
|
||||||
|
"print(df_train2_adasyn.new_high.value_counts())\n",
|
||||||
|
"\n",
|
||||||
|
"X_resampled_under2, y_resampled_under2 = undersampler.fit_resample(df_train2, df_train2['new_high'])\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка после undersampling: \", pd.DataFrame(X_resampled_under2).shape)\n",
|
||||||
|
"print(pd.DataFrame(X_resampled_under2).new_high.value_counts())"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"cell_type": "code",
|
||||||
|
"execution_count": 133,
|
||||||
|
"metadata": {},
|
||||||
|
"outputs": [
|
||||||
|
{
|
||||||
|
"name": "stdout",
|
||||||
|
"output_type": "stream",
|
||||||
|
"text": [
|
||||||
|
"Выборка до oversampling и undersampling: (6931, 5)\n",
|
||||||
|
"new_price\n",
|
||||||
|
"1 5008\n",
|
||||||
|
"2 1281\n",
|
||||||
|
"3 449\n",
|
||||||
|
"4 136\n",
|
||||||
|
"5 57\n",
|
||||||
|
"Name: count, dtype: int64\n",
|
||||||
|
"Выборка после oversampling: (25040, 5)\n",
|
||||||
|
"new_price\n",
|
||||||
|
"1 5008\n",
|
||||||
|
"2 5008\n",
|
||||||
|
"3 5008\n",
|
||||||
|
"4 5008\n",
|
||||||
|
"5 5008\n",
|
||||||
|
"Name: count, dtype: int64\n",
|
||||||
|
"Выборка после undersampling: (285, 5)\n",
|
||||||
|
"new_price\n",
|
||||||
|
"1 57\n",
|
||||||
|
"2 57\n",
|
||||||
|
"3 57\n",
|
||||||
|
"4 57\n",
|
||||||
|
"5 57\n",
|
||||||
|
"Name: count, dtype: int64\n"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"source": [
|
||||||
|
"from imblearn.over_sampling import SMOTE\n",
|
||||||
|
"\n",
|
||||||
|
"df_train3 = df_train3[['Price', 'new_price','Prod. year' ,'Cylinders' ,'Airbags']].copy()\n",
|
||||||
|
"\n",
|
||||||
|
"smote = SMOTE(random_state=42)\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка до oversampling и undersampling:\", df_train3.shape)\n",
|
||||||
|
"print(df_train3.new_price.value_counts())\n",
|
||||||
|
"\n",
|
||||||
|
"X_resampled, y_resampled = smote.fit_resample(df_train3, df_train3['new_price'])\n",
|
||||||
|
"df_train3_smote = pd.DataFrame(X_resampled)\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка после oversampling: \", df_train3_smote.shape)\n",
|
||||||
|
"print(df_train3_smote.new_price.value_counts())\n",
|
||||||
|
"\n",
|
||||||
|
"X_resampled_under3, y_resampled_under3 = undersampler.fit_resample(df_train3, df_train3['new_price'])\n",
|
||||||
|
"\n",
|
||||||
|
"print(\"Выборка после undersampling: \", pd.DataFrame(X_resampled_under3).shape)\n",
|
||||||
|
"print(pd.DataFrame(X_resampled_under3).new_price.value_counts())"
|
||||||
|
]
|
||||||
|
}
|
||||||
|
],
|
||||||
|
"metadata": {
|
||||||
|
"kernelspec": {
|
||||||
|
"display_name": "kernel",
|
||||||
|
"language": "python",
|
||||||
|
"name": "python3"
|
||||||
|
},
|
||||||
|
"language_info": {
|
||||||
|
"codemirror_mode": {
|
||||||
|
"name": "ipython",
|
||||||
|
"version": 3
|
||||||
|
},
|
||||||
|
"file_extension": ".py",
|
||||||
|
"mimetype": "text/x-python",
|
||||||
|
"name": "python",
|
||||||
|
"nbconvert_exporter": "python",
|
||||||
|
"pygments_lexer": "ipython3",
|
||||||
|
"version": "3.12.5"
|
||||||
|
}
|
||||||
|
},
|
||||||
|
"nbformat": 4,
|
||||||
|
"nbformat_minor": 2
|
||||||
|
}
|
||||||
BIN
lab_2/requirements.txt
Normal file
BIN
lab_2/requirements.txt
Normal file
Binary file not shown.
Loading…
Reference in New Issue
Block a user