ekallin/AIM-PIbd-31-Bakalskaya-E-D
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
c9a95b4f9c
AIM-PIbd-31-Bakalskaya-E-D/lab_2/lab2.ipynb

80 KiB
Raw Blame History

Лабораторная работа №2

Общие данные

Типы пропущенных данных:

None - представление пустых данных в Python
NaN - представление пустых данных в Pandas
' ' - пустая строка

1 Датасет: NASA - Nearest Earth Objects

https://www.kaggle.com/datasets/sameepvani/nasa-nearest-earth-objects

Перевод контекста со страницы на Kaggle:
В космическом пространстве существует бесконечное количество объектов. Некоторые из них находятся ближе, чем мы думаем. Несмотря на то, что мы можем думать, что расстояние в 70 000 км потенциально не может причинить нам вреда, по астрономическим меркам это очень небольшое расстояние, которое может нарушить многие природные явления. Таким образом, эти объекты/астероиды могут оказаться опасными. Следовательно, разумно знать, что нас окружает и что из этого может причинить нам вред. Таким образом, этот набор данных составляет список сертифицированных НАСА астероидов, которые классифицируются как ближайшие к Земле объекты.

  • По описаню можно понять, что объектами исследования являютя объекты, которые находятся в близи Земли
  • Атрибуты обьекта: id, name, est_diameter_min, est_diameter_max, relative_velocity, miss_distance, orbiting_body, sentry_object, absolute_magnitude, hazardous
  • В описании говорится о возможной опасности объектов, поэтому можно сделать вывод, что цель данного датасета научится определять опасность околоземных объектов

2 Датасет: Indicators of Heart Disease

https://www.kaggle.com/datasets/kamilpytlak/personal-key-indicators-of-heart-disease

Перевод контекста со страницы на Kaggle:
По данным Всемирной организации здравоохранения (ВОЗ), инсульт является второй по значимости причиной смертности во всем мире, на его долю приходится примерно 11% от общего числа смертей. Этот набор данных используется для прогнозирования вероятности инсульта у пациента на основе таких входных параметров, как пол, возраст, различные заболевания и статус курильщика. Каждая строка данных содержит соответствующую информацию о пациенте.

  • Из этого описания очевидно что объектами иследования являются реальные пациенты.
  • Атрибуты объектов: id, gender, age, hypertension, heart_disease, ever_married, work_type, Residence_type, avg_glucose_level, bmi, smoking_status, stroke
  • Очевидная цель этого датасета - это научиться определять будет у человека сердечный приступ или нет.

3 Датасет: Pima Indians Diabetes Database

https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database

Перевод контекста со страницы на Kaggle:
Этот набор данных изначально был получен из Национального института диабета, заболеваний пищеварительной системы и почек. Целью набора данных является диагностическое прогнозирование наличия или отсутствия у пациента диабета на основе определенных диагностических измерений, включенных в набор данных. На выбор этих случаев из более крупной базы данных налагалось несколько ограничений. В частности, все пациенты здесь — женщины в возрасте не менее 21 года индейского происхождения пима.

  • объект иследования - женьщины индейци пима
  • очевидно цель датасета это предсказание диабета.
  • атрибуты: Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, DiabetesPedigreeFunction, Age, Outcome
In [1]:
import pandas as pd

neo = pd.read_csv("..//static//csv//neo_v2.csv", sep=",")
healthcare = pd.read_csv("..//static//csv//healthcare-dataset-stroke-data.csv", sep=",")
diabetes = pd.read_csv("..//static//csv//diabetes.csv", sep=",")

print('колонки околоземных обьектов: ' + ', '.join(neo.columns))
print('колонки пациентов: ' + ', '.join(healthcare.columns))
print('колонки индейцев: ' + ', '.join(diabetes.columns))

колонки: id, name, est_diameter_min, est_diameter_max, relative_velocity, miss_distance, orbiting_body, sentry_object, absolute_magnitude, hazardous
колонки: id, gender, age, hypertension, heart_disease, ever_married, work_type, Residence_type, avg_glucose_level, bmi, smoking_status, stroke
колонки: Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, DiabetesPedigreeFunction, Age, Outcome

Проверим пустые занчения

In [7]:
# Околоземные обьекты
print("Околоземные обьекты")
# Количество пустых значений признаков
print(neo.isnull().sum())

print()

# Есть ли пустые значения признаков
print(neo.isnull().any())

print()

# Процент пустых значений признаков
for i in neo.columns:
    null_rate = neo[i].isnull().sum() / len(neo) * 100
    if null_rate > 0:
        print(f"{i} процент пустых значений: %{null_rate:.2f}\n")

# Пациенты
print("Пациенты")
# Количество пустых значений признаков
print(healthcare.isnull().sum())

print()

# Есть ли пустые значения признаков
print(healthcare.isnull().any())

print()

# Процент пустых значений признаков
for i in healthcare.columns:
    null_rate = healthcare[i].isnull().sum() / len(healthcare) * 100
    if null_rate > 0:
        print(f"{i} процент пустых значений: %{null_rate:.2f}\n")


# Индейцы
print("Индейцы")
# Количество пустых значений признаков
print(diabetes.isnull().sum())

print()

# Есть ли пустые значения признаков
print(diabetes.isnull().any())

print()

# Процент пустых значений признаков
for i in diabetes.columns:
    null_rate = diabetes[i].isnull().sum() / len(diabetes) * 100
    if null_rate > 0:
        print(f"{i} процент пустых значений: %{null_rate:.2f}\n")

Околоземные обьекты
id                    0
name                  0
est_diameter_min      0
est_diameter_max      0
relative_velocity     0
miss_distance         0
orbiting_body         0
sentry_object         0
absolute_magnitude    0
hazardous             0
dtype: int64

id                    False
name                  False
est_diameter_min      False
est_diameter_max      False
relative_velocity     False
miss_distance         False
orbiting_body         False
sentry_object         False
absolute_magnitude    False
hazardous             False
dtype: bool

Пациенты
id                     0
gender                 0
age                    0
hypertension           0
heart_disease          0
ever_married           0
work_type              0
Residence_type         0
avg_glucose_level      0
bmi                  201
smoking_status         0
stroke                 0
dtype: int64

id                   False
gender               False
age                  False
hypertension         False
heart_disease        False
ever_married         False
work_type            False
Residence_type       False
avg_glucose_level    False
bmi                   True
smoking_status       False
stroke               False
dtype: bool

bmi процент пустых значений: %3.93

Индейцы
Pregnancies                 0
Glucose                     0
BloodPressure               0
SkinThickness               0
Insulin                     0
BMI                         0
DiabetesPedigreeFunction    0
Age                         0
Outcome                     0
dtype: int64

Pregnancies                 False
Glucose                     False
BloodPressure               False
SkinThickness               False
Insulin                     False
BMI                         False
DiabetesPedigreeFunction    False
Age                         False
Outcome                     False
dtype: bool

После этого видно, что в атрибуде bmi датасета Indicators of Heart Disease есть пустые значения, заполним значением Unknown

In [11]:
healthcare['bmi'] = healthcare['bmi'].fillna('Unknown')

Проверим датасет по числовым данным, для выявления аномальных распределений

In [12]:
print(neo.describe())
print(healthcare.describe())
print(diabetes.describe())

                 id  est_diameter_min  est_diameter_max  relative_velocity  \
count  9.083600e+04      90836.000000      90836.000000       90836.000000   
mean   1.438288e+07          0.127432          0.284947       48066.918918   
std    2.087202e+07          0.298511          0.667491       25293.296961   
min    2.000433e+06          0.000609          0.001362         203.346433   
25%    3.448110e+06          0.019256          0.043057       28619.020645   
50%    3.748362e+06          0.048368          0.108153       44190.117890   
75%    3.884023e+06          0.143402          0.320656       62923.604633   
max    5.427591e+07         37.892650         84.730541      236990.128088   

       miss_distance  absolute_magnitude  
count   9.083600e+04        90836.000000  
mean    3.706655e+07           23.527103  
std     2.235204e+07            2.894086  
min     6.745533e+03            9.230000  
25%     1.721082e+07           21.340000  
50%     3.784658e+07           23.700000  
75%     5.654900e+07           25.700000  
max     7.479865e+07           33.200000  
                 id          age  hypertension  heart_disease  \
count   5110.000000  5110.000000   5110.000000    5110.000000   
mean   36517.829354    43.226614      0.097456       0.054012   
std    21161.721625    22.612647      0.296607       0.226063   
min       67.000000     0.080000      0.000000       0.000000   
25%    17741.250000    25.000000      0.000000       0.000000   
50%    36932.000000    45.000000      0.000000       0.000000   
75%    54682.000000    61.000000      0.000000       0.000000   
max    72940.000000    82.000000      1.000000       1.000000   

       avg_glucose_level          bmi       stroke  
count        5110.000000  5110.000000  5110.000000  
mean          106.147677    28.893237     0.048728  
std            45.283560     7.698018     0.215320  
min            55.120000    10.300000     0.000000  
25%            77.245000    23.800000     0.000000  
50%            91.885000    28.400000     0.000000  
75%           114.090000    32.800000     0.000000  
max           271.740000    97.600000     1.000000  
       Pregnancies     Glucose  BloodPressure  SkinThickness     Insulin  \
count   768.000000  768.000000     768.000000     768.000000  768.000000   
mean      3.845052  120.894531      69.105469      20.536458   79.799479   
std       3.369578   31.972618      19.355807      15.952218  115.244002   
min       0.000000    0.000000       0.000000       0.000000    0.000000   
25%       1.000000   99.000000      62.000000       0.000000    0.000000   
50%       3.000000  117.000000      72.000000      23.000000   30.500000   
75%       6.000000  140.250000      80.000000      32.000000  127.250000   
max      17.000000  199.000000     122.000000      99.000000  846.000000   

              BMI  DiabetesPedigreeFunction         Age     Outcome  
count  768.000000                768.000000  768.000000  768.000000  
mean    31.992578                  0.471876   33.240885    0.348958  
std      7.884160                  0.331329   11.760232    0.476951  
min      0.000000                  0.078000   21.000000    0.000000  
25%     27.300000                  0.243750   24.000000    0.000000  
50%     32.000000                  0.372500   29.000000    0.000000  
75%     36.600000                  0.626250   41.000000    1.000000  
max     67.100000                  2.420000   81.000000    1.000000

Аномальное рапределение будем искать по z-индексую. Z-индекс показывает, насколько далеко значение находится от среднего в стандартных отклонениях. Значения Z-индекса больше 3 или меньше -3 обычно считаются аномальными.

In [18]:
from scipy import stats
# Вычисляем Z-индексы только для числовых столбцов
neo_zscores = neo.select_dtypes(include=['float64', 'int64']).apply(stats.zscore, nan_policy='omit')
healthcare_zscores = healthcare.select_dtypes(include=['float64', 'int64']).apply(stats.zscore, nan_policy='omit')
diabetes_zscores = diabetes.select_dtypes(include=['float64', 'int64']).apply(stats.zscore, nan_policy='omit')

# Устанавливаем порог для поиска аномалий
threshold = 3

# Функция для нахождения аномалий и вывода сообщения
def find_anomalies(zscores, df):
    for column in zscores.columns:
        # Проверяем, есть ли аномалии в Z-индексах
        anomalies = df[column][(zscores[column].abs() > threshold)]
        if not anomalies.empty:
            print(f"В атрибуте '{column}' обнаружены аномалии: {anomalies.tolist()}")

# Находим аномалии
try:
    print("Аномалии в наборе данных Neo:")
    find_anomalies(neo_zscores, neo)

    print("\nАномалии в наборе данных Healthcare:")
    find_anomalies(healthcare_zscores, healthcare)

    print("\nАномалии в наборе данных Diabetes:")
    find_anomalies(diabetes_zscores, diabetes)

except Exception as e:
    print(f"Произошла ошибка: {e}")

Аномалии в наборе данных Neo:
В атрибуте 'est_diameter_min' обнаружены аномалии: [1.1982708007, 1.0293308202, 1.5085335612, 1.0246014747, 1.4078454339, 1.5507970872, 1.5224918504, 2.8350124902, 1.4208720673, 1.1818299089, 2.2727673228, 1.8053232555, 1.6693791177, 1.7240703244, 1.1709948272, 1.4809997207, 1.332155667, 1.0878148336, 4.5767266723, 1.2780709882, 1.2093582639, 1.5651464359, 1.1982708007, 2.2727673228, 1.4208720673, 1.332155667, 1.0340819954, 1.1080388213, 4.5767266723, 1.4208720673, 2.2832579402, 2.3689449936, 1.1390819672, 2.8090209395, 1.214940408, 2.0443487103, 1.0581688593, 2.9549829311, 1.5507970872, 1.5224918504, 1.0828167784, 2.6825941712, 1.2839702958, 1.133848361, 3.4084346887, 1.1818299089, 2.091967709, 1.0878148336, 1.6089960451, 1.0679599752, 2.3689449936, 1.9344387205, 1.3018321019, 1.6389095149, 1.6464743776, 1.4208720673, 2.1016237932, 1.7805532918, 3.1956188672, 1.0340819954, 1.5651464359, 1.1872849879, 1.2261821132, 1.1080388213, 4.1740243339, 1.0878148336, 1.7642290811, 1.2721987854, 1.2780709882, 1.85590173, 3.0658787593, 1.9344387205, 1.6617090174, 1.7161489408, 2.9549829311, 1.2663535629, 3.4399725466, 1.4013769717, 1.1818299089, 1.2318419127, 1.3694777373, 1.2958507267, 4.1740243339, 1.8904055193, 1.6848256925, 1.5224918504, 1.4208720673, 1.038855101, 1.128638801, 1.1982708007, 1.5016024791, 1.2547435637, 2.091967709, 1.0878148336, 1.1709948272, 1.3885290704, 1.1496217629, 1.4208720673, 1.3694777373, 1.1818299089, 2.0349557812, 1.128638801, 1.1496217629, 1.8991312347, 1.1709948272, 2.9549829311, 1.4208720673, 1.0878148336, 1.4208720673, 1.2721987854, 1.2780709882, 1.3260349677, 1.5651464359, 1.1602590821, 1.2093582639, 1.7723723926, 2.9549829311, 1.1496217629, 1.5085335612, 1.0581688593, 1.2605351968, 1.3383046182, 1.0828167784, 1.0828167784, 3.4084346887, 2.1905591097, 2.7450798165, 1.5507970872, 1.5224918504, 1.332155667, 1.4208720673, 1.1602590821, 1.4340192346, 2.091967709, 1.2605351968, 1.1182913782, 1.2721987854, 1.2038017674, 1.1872849879, 1.7004151927, 1.6693791177, 1.1982708007, 1.5085335612, 1.3018321019, 1.0246014747, 1.8991312347, 1.0293308202, 1.6313794097, 1.7805532918, 2.4578477463, 1.5224918504, 1.4013769717, 1.0878148336, 1.0293308202, 1.2721987854, 2.6336313095, 1.0293308202, 1.2432400055, 1.2780709882, 1.0246014747, 2.3043846658, 1.1763998937, 1.4340192346, 1.6770846216, 1.6464743776, 3.602093458, 1.3018321019, 1.2261821132, 1.6089960451, 1.2958507267, 2.6825941712, 2.3689449936, 2.3043846658, 2.1406958967, 1.0630531449, 1.0581688593, 1.4606796427, 1.0878148336, 1.4208720673, 1.2898968334, 1.2721987854, 1.0728894545, 2.091967709, 2.9549829311, 1.7723723926, 1.4809997207, 1.4208720673, 1.4809997207, 1.2038017674, 1.4340192346, 1.3569222899, 1.1602590821, 2.4465549617, 1.3444819516, 3.1956188672, 1.2205483181, 23.0438466577, 1.4340192346, 2.1210698788, 3.0517923259, 1.5507970872, 1.1182913782, 1.0878148336, 1.3444819516, 1.0778416872, 1.4013769717, 2.5383702936, 1.4274305148, 1.2780709882, 1.7642290811, 1.8904055193, 1.0293308202, 1.3506877983, 1.7082639526, 2.1308602925, 1.1029478453, 3.4084346887, 1.0828167784, 3.1956188672, 1.5651464359, 2.2727673228, 1.2375278366, 1.0246014747, 1.5942446807, 1.0728894545, 2.091967709, 1.1982708007, 1.2547435637, 1.6089960451, 1.5507970872, 1.5224918504, 1.332155667, 1.133848361, 1.6389095149, 2.1804944048, 1.0728894545, 1.0340819954, 1.2547435637, 1.2093582639, 2.9549829311, 1.3018321019, 2.0349557812, 2.3257068746, 1.6693791177, 1.474195145, 1.0828167784, 1.7805532918, 2.1016237932, 1.4208720673, 1.0878148336, 1.0728894545, 8.6408203645, 1.4013769717, 2.1804944048, 1.0728894545, 1.4274305148, 2.3257068746, 1.5085335612, 2.3689449936, 1.0340819954, 2.1905591097, 1.4606796427, 1.5507970872, 1.5224918504, 2.4019003012, 1.6313794097, 1.2958507267, 1.2605351968, 1.4208720673, 1.6926024946, 1.1872849879, 2.091967709, 1.9794975866, 4.6190746028, 1.3885290704, 1.0340819954, 1.1872849879, 3.9678475407, 1.4208720673, 1.0679599752, 2.3689449936, 1.1496217629, 1.1982708007, 1.6389095149, 1.6313794097, 1.7082639526, 2.35806068, 5.230641758, 1.2605351968, 1.1872849879, 1.7561231848, 1.4208720673, 1.0978802603, 1.2898968334, 1.5942446807, 1.214940408, 1.4208720673, 1.0878148336, 1.0533070151, 1.2261821132, 1.8053232555, 1.2489785407, 1.3821493588, 1.8904055193, 1.0828167784, 1.4208720673, 1.3885290704, 1.3383046182, 1.128638801, 1.2780709882, 8.1013048824, 1.6848256925, 1.4539684294, 1.1872849879, 1.2780709882, 2.091967709, 1.2605351968, 1.1982708007, 1.0484675089, 3.5039264111, 1.5651464359, 1.0340819954, 1.5651464359, 1.2839702958, 3.602093458, 3.1956188672, 1.8220277059, 2.3908645717, 1.4208720673, 1.3018321019, 1.0630531449, 1.5651464359, 1.2038017674, 2.1308602925, 1.6617090174, 2.2727673228, 1.4406383667, 1.1496217629, 1.2898968334, 2.9010484143, 1.0778416872, 2.2623249055, 1.1496217629, 2.3689449936, 1.3199423904, 2.6336313095, 1.0878148336, 1.3885290704, 1.4208720673, 1.2038017674, 2.8350124902, 1.3821493588, 3.1956188672, 1.1818299089, 1.2958507267, 2.2727673228, 3.5855433419, 1.6089960451, 1.1080388213, 1.1602590821, 1.2958507267, 1.0778416872, 1.7561231848, 1.5651464359, 1.5507970872, 1.5224918504, 2.9549829311, 3.4399725466, 1.1982708007, 3.4084346887, 2.091967709, 2.3043846658, 1.1982708007, 1.7240703244, 1.2547435637, 1.214940408, 1.0581688593, 1.8220277059, 1.1818299089, 1.8644681832, 1.4013769717, 1.6617090174, 1.3383046182, 1.8220277059, 1.1982708007, 1.6313794097, 1.6770846216, 1.4208720673, 1.0978802603, 1.2898968334, 1.1080388213, 1.2721987854, 1.9613494437, 1.128638801, 1.0293308202, 1.0878148336, 1.6926024946, 1.038855101, 1.038855101, 1.0828167784, 1.6389095149, 1.1763998937, 1.1602590821, 1.2038017674, 1.5295193534, 1.6693791177, 2.3689449936, 1.1234531767, 1.5085335612, 1.1872849879, 1.813656249, 1.4274305148, 1.2318419127, 1.4078454339, 1.038855101, 1.128638801, 1.8904055193, 1.2605351968, 1.2898968334, 1.8220277059, 1.5224918504, 2.091967709, 1.0246014747, 1.6617090174, 1.4340192346, 1.6089960451, 1.332155667, 1.813656249, 1.4208720673, 1.3383046182, 1.4013769717, 1.7723723926, 2.8350124902, 1.0293308202, 1.1982708007, 1.3018321019, 1.2898968334, 1.8220277059, 1.1182913782, 1.2605351968, 1.4809997207, 2.0823559905, 1.3199423904, 1.2780709882, 2.9549829311, 2.1016237932, 1.5651464359, 1.4208720673, 1.0484675089, 1.1982708007, 1.0878148336, 3.4084346887, 1.3885290704, 1.0293308202, 1.3383046182, 4.1357566488, 1.5869197917, 1.2547435637, 1.4340192346, 1.1131532961, 1.2839702958, 1.4208720673, 1.8220277059, 1.8220277059, 1.5085335612, 1.2958507267, 1.0630531449, 2.7450798165, 1.5224918504, 3.4084346887, 1.2432400055, 2.091967709, 1.8991312347, 1.2093582639, 1.0293308202, 1.5507970872, 1.5224918504, 1.2721987854, 1.4340192346, 1.0581688593, 1.5651464359, 1.6389095149, 1.3383046182, 1.2839702958, 1.0246014747, 1.1496217629, 1.6693791177, 1.8220277059, 2.2623249055, 1.5651464359, 1.4208720673, 1.0293308202, 1.5224918504, 1.4340192346, 1.038855101, 1.0878148336, 1.2958507267, 1.6617090174, 1.214940408, 1.2839702958, 1.5651464359, 2.9549829311, 1.0828167784, 1.2663535629, 1.2780709882, 3.1956188672, 2.6215308728, 3.7201031034, 2.3689449936, 1.5507970872, 1.5224918504, 1.8220277059, 1.3383046182, 1.0293308202, 37.8926498379, 1.0728894545, 1.214940408, 2.091967709, 1.0630531449, 1.1982708007, 1.2547435637, 3.9678475407, 1.4606796427, 1.3383046182, 1.7400229507, 1.474195145, 1.6389095149, 1.0679599752, 2.3689449936, 23.0438466577, 1.4340192346, 1.3018321019, 1.3694777373, 1.7240703244, 1.5507970872, 2.3689449936, 2.1210698788, 1.4947032424, 1.8220277059, 1.1602590821, 1.1763998937, 1.1872849879, 3.9678475407, 1.0533070151, 2.1016237932, 2.063264836, 1.0878148336, 1.3885290704, 1.1496217629, 1.0293308202, 1.3018321019, 1.8904055193, 1.5579552413, 3.602093458, 2.9549829311, 1.8220277059, 3.4084346887, 1.0293308202, 1.3949382293, 2.2727673228, 1.7240703244, 1.4674218336, 4.1740243339, 1.2958507267, 1.2780709882, 1.6089960451, 2.2415837861, 1.8991312347, 2.091967709, 1.0246014747, 1.4143437531, 1.2605351968, 2.1016237932, 1.2205483181, 1.6848256925, 1.3383046182, 2.3043846658, 2.8877193076, 1.6693791177, 1.0728894545, 2.3908645717, 1.1982708007, 1.2605351968, 1.6464743776, 2.5383702936, 1.6617090174, 1.0728894545, 1.1602590821, 1.1763998937, 1.0293308202, 1.1182913782, 1.2721987854, 1.214940408, 2.063264836, 1.038855101, 1.3885290704, 1.7240703244, 1.2780709882, 1.0928359587, 1.0978802603, 2.658, 1.9613494437, 2.3689449936, 1.4809997207, 1.1496217629, 1.1602590821, 1.4947032424, 1.2318419127, 3.5039264111, 1.6089960451, 1.2898968334, 1.8904055193, 1.5085335612, 1.2958507267, 1.0630531449, 1.5224918504, 2.6336313095, 1.128638801, 1.2721987854, 1.1982708007, 1.4340192346, 1.1182913782, 1.4208720673, 1.5651464359, 3.9678475407, 1.4143437531, 1.4809997207, 1.5942446807, 1.1872849879, 2.3043846658, 1.6770846216, 1.6389095149, 1.4208720673, 1.0679599752, 1.6693791177, 2.0349557812, 1.128638801, 1.4406383667, 1.0828167784, 1.0828167784, 1.038855101, 2.9549829311, 1.2721987854, 1.7004151927, 1.6693791177, 1.4208720673, 3.4084346887, 1.2780709882, 2.2312846442, 1.2205483181, 1.4406383667, 1.4340192346, 1.6770846216, 3.1956188672, 1.5507970872, 1.3885290704, 1.6238839022, 1.6770846216, 2.8350124902, 4.1357566488, 2.7832676807, 1.214940408, 2.7450798165, 3.2550298576, 1.1080388213, 3.4084346887, 1.1982708007, 1.3694777373, 1.6089960451, 1.214940408, 1.6848256925, 3.5039264111, 1.5723708236, 1.2038017674, 2.7832676807, 1.4208720673, 1.3885290704, 1.1872849879, 1.5507970872, 1.5224918504, 1.7400229507, 1.1602590821, 1.1982708007, 1.0246014747, 1.3018321019, 1.4340192346, 2.3908645717, 1.4208720673, 1.5942446807, 2.4019003012, 1.0246014747, 1.5295193534, 1.1872849879, 1.0293308202, 1.5651464359, 1.5224918504, 1.2205483181, 1.4208720673, 1.2489785407, 1.2093582639, 1.2780709882, 1.0246014747, 1.0778416872, 1.3694777373, 1.0778416872, 4.7049496112, 1.5295193534, 1.8904055193, 1.3506877983, 1.7082639526, 7.4568426097, 1.0728894545, 1.1234531767, 1.4208720673, 1.3694777373, 1.5507970872, 1.5224918504, 1.2839702958, 1.2958507267, 1.0484675089, 1.0533070151, 1.4208720673, 2.6336313095, 1.9704026214, 1.5507970872, 23.0438466577, 1.8388867207, 1.2038017674, 1.3694777373, 1.2261821132, 1.1982708007, 1.2605351968, 1.7240703244, 1.4208720673, 3.1956188672, 1.0828167784, 1.6089960451, 2.0537849952, 1.038855101, 1.5651464359, 1.1982708007, 1.5085335612, 1.7400229507, 1.2780709882, 1.4208720673, 1.3694777373, 1.8220277059, 1.0293308202, 1.038855101, 1.0728894545, 1.0828167784, 1.0878148336, 1.4078454339, 1.6693791177, 1.0978802603, 7.4568426097, 2.3257068746, 1.0978802603, 2.2108281036, 1.2839702958, 1.5224918504, 1.1602590821, 1.5507970872, 1.5224918504, 5.230641758, 2.4019003012, 3.0658787593, 1.5085335612, 1.5224918504, 2.091967709, 1.7004151927, 1.6926024946, 1.4947032424, 1.0581688593, 1.6089960451, 1.3694777373, 1.1080388213, 2.9549829311, 1.4208720673, 1.1390819672, 1.3018321019, 1.3885290704, 1.9704026214, 1.7082639526, 1.0340819954, 1.1818299089, 2.2312846442, 1.1763998937, 1.2489785407, 1.8220277059, 1.8991312347, 1.7561231848, 1.2721987854, 1.2780709882, 1.9344387205, 1.3885290704, 1.332155667, 1.6770846216, 1.313877806, 3.1956188672, 4.7049496112, 1.1763998937, 1.5942446807, 1.214940408, 1.3260349677, 1.4539684294, 1.2261821132, 1.4674218336, 1.3885290704, 1.2432400055, 1.133848361, 1.2958507267, 1.1818299089, 1.4013769717, 2.091967709, 1.6617090174, 1.9794975866, 2.2727673228, 1.1982708007, 3.9678475407, 2.4465549617, 1.474195145, 1.1496217629, 2.1804944048, 1.1602590821, 2.9549829311, 2.2727673228, 1.5942446807, 1.3821493588, 1.3821493588, 1.1496217629, 1.2038017674, 1.4208720673, 1.332155667, 1.6389095149, 1.0828167784, 1.2898968334, 1.038855101, 1.2721987854, 3.0658787593, 1.2780709882, 1.4274305148, 1.2898968334, 1.4208720673, 3.6522035696, 1.0293308202, 1.2205483181, 1.6464743776, 2.9960908385, 1.3383046182, 2.8612445378, 1.6089960451, 1.1080388213, 1.4208720673, 1.0928359587, 3.4084346887, 1.5016024791, 1.5507970872, 1.5224918504, 2.091967709, 1.1602590821, 1.9704026214, 2.9549829311, 1.2780709882, 1.3694777373, 1.7561231848, 1.2721987854, 1.2038017674, 1.1496217629, 1.0436502383, 1.3885290704, 3.602093458, 1.1982708007, 1.2605351968, 1.3018321019, 1.1763998937, 1.214940408, 1.1080388213, 1.6693791177, 2.2108281036, 4.53476699, 3.1956188672, 1.3821493588, 1.0246014747, 1.1080388213, 1.4013769717, 8.6408203645, 1.4208720673, 1.133848361, 1.4013769717, 1.1818299089, 1.0630531449, 1.8904055193, 2.2727673228, 1.1763998937, 3.4084346887, 1.4274305148, 1.1872849879, 2.2727673228, 1.1927652464, 1.313877806, 1.214940408, 1.5085335612, 1.3383046182, 1.6089960451, 1.0778416872, 1.7004151927, 1.0436502383, 1.3694777373, 1.6164228334, 1.5942446807, 1.3885290704, 1.4208720673, 1.6770846216, 2.0070351411, 1.0778416872, 1.0581688593, 1.0728894545, 1.1602590821, 2.1308602925, 1.2038017674, 1.1818299089, 1.3018321019, 2.0349557812, 1.1496217629, 2.8612445378, 1.0728894545, 1.4208720673, 1.4809997207, 1.7240703244, 1.0246014747, 1.6770846216, 2.063264836, 1.0728894545, 1.2780709882, 1.6617090174, 1.6693791177, 1.3018321019, 1.6770846216, 1.2489785407, 1.4013769717, 1.2663535629, 1.4606796427, 1.5651464359, 2.9549829311, 1.2205483181, 1.7723723926, 1.0293308202, 1.1982708007, 1.1080388213, 3.602093458, 2.6215308728, 1.5869197917, 1.4208720673, 1.4078454339, 1.2898968334, 1.332155667, 1.5507970872, 1.5224918504, 1.2958507267, 2.9960908385, 2.6336313095, 1.85590173, 1.7082639526, 1.6693791177, 1.2375278366, 1.7400229507, 1.0828167784, 1.3821493588, 1.038855101, 1.0484675089, 1.0246014747, 1.2780709882, 1.1496217629, 1.3694777373, 1.6389095149, 2.3689449936, 1.8991312347, 2.1113244479, 1.8220277059, 1.3444819516, 1.2898968334, 2.1406958967, 1.3694777373, 1.5942446807, 1.6089960451, 3.9678475407, 1.038855101, 1.9704026214, 1.2839702958, 1.6389095149, 1.0679599752, 1.6693791177, 2.4465549617, 1.1982708007, 2.3257068746, 1.3018321019, 1.3821493588, 1.2605351968, 1.0630531449, 1.1496217629, 3.1956188672, 1.4078454339, 1.7642290811, 1.1872849879, 1.2780709882, 1.1080388213, 1.0340819954]
В атрибуте 'est_diameter_max' обнаружены аномалии: [2.6794149658, 2.3016536853, 3.3731835891, 2.2910785472, 3.1480380919, 3.4676877062, 3.4043952726, 6.3392806452, 3.1771665298, 2.6426520142, 5.0820622309, 4.0368255207, 3.7328451875, 3.8551384433, 2.6184240349, 3.3116160501, 2.978790628, 2.4324279148, 10.2338719537, 2.8578536096, 2.7042072872, 3.4997738255, 2.6794149658, 5.0820622309, 3.1771665298, 2.978790628, 2.312277636, 2.4776501261, 10.2338719537, 3.1771665298, 5.1055199644, 5.2971220406, 2.5470647106, 6.2811617709, 2.7166893409, 4.5713026859, 2.3661375011, 6.6075427063, 3.4676877062, 3.4043952726, 2.4212519237, 5.9984629228, 2.8710448625, 2.5353620113, 7.6214916608, 2.6426520142, 4.6777820041, 2.4324279148, 3.5978245324, 2.3880311019, 5.2971220406, 4.3255364773, 2.9109850751, 3.6647130844, 3.6816286314, 3.1771665298, 4.6993736648, 3.9814381981, 7.1456210173, 2.312277636, 3.4997738255, 2.6548499417, 2.7418265579, 2.4776501261, 9.3334021504, 2.4324279148, 3.9449361533, 2.844722965, 2.8578536096, 4.1499224279, 6.8555133165, 4.3255364773, 3.7156943217, 3.8374256911, 6.6075427063, 2.8316526503, 7.6920124549, 3.1335741707, 2.6426520142, 2.7544822542, 3.0622453143, 2.8976103136, 9.3334021504, 4.2270752462, 3.7673847787, 3.4043952726, 3.1771665298, 2.3229506246, 2.523713081, 2.6794149658, 3.3576852183, 2.8056919027, 4.6777820041, 2.4324279148, 2.6184240349, 3.1048453901, 2.5706324102, 3.1771665298, 3.0622453143, 2.6426520142, 4.5502994579, 2.523713081, 2.5706324102, 4.246586539, 2.6184240349, 6.6075427063, 3.1771665298, 2.4324279148, 3.1771665298, 2.844722965, 2.8578536096, 2.9651043282, 3.4997738255, 2.5944181791, 2.7042072872, 3.9631451512, 6.6075427063, 2.5706324102, 3.3731835891, 2.3661375011, 2.8186423881, 2.9925401008, 2.4212519237, 2.4212519237, 7.6214916608, 4.898239078, 6.1381850734, 3.4676877062, 3.4043952726, 2.978790628, 3.1771665298, 2.5944181791, 3.2065644897, 4.6777820041, 2.8186423881, 2.5005755404, 2.844722965, 2.6917825833, 2.6548499417, 3.8022439609, 3.7328451875, 2.6794149658, 3.3731835891, 2.9109850751, 2.2910785472, 4.246586539, 2.3016536853, 3.6478752572, 3.9814381981, 5.4959146391, 3.4043952726, 3.1335741707, 2.4324279148, 2.3016536853, 2.844722965, 5.8889786358, 2.3016536853, 2.7799691647, 2.8578536096, 2.2910785472, 5.152760759, 2.6305101311, 3.2065644897, 3.750075218, 3.6816286314, 8.0545258335, 2.9109850751, 2.7418265579, 3.5978245324, 2.8976103136, 5.9984629228, 5.2971220406, 5.152760759, 4.7867415442, 2.3770590956, 2.3661375011, 3.2661789745, 2.4324279148, 3.1771665298, 2.8842970035, 2.844722965, 2.3990537526, 4.6777820041, 6.6075427063, 3.9631451512, 3.3116160501, 3.1771665298, 3.3116160501, 2.6917825833, 3.2065644897, 3.0341704805, 2.5944181791, 5.4706632051, 3.0063530383, 7.1456210173, 2.7292290091, 51.5276075896, 3.2065644897, 4.7428564339, 6.824015094, 3.4676877062, 2.5005755404, 2.4324279148, 3.0063530383, 2.4101272816, 3.1335741707, 5.6759685287, 3.1918316641, 2.8578536096, 3.9449361533, 4.2270752462, 2.3016536853, 3.0202297334, 3.8197943216, 4.7647484646, 2.4662663578, 7.6214916608, 2.4212519237, 7.1456210173, 3.4997738255, 5.0820622309, 2.7671963667, 2.2910785472, 3.5648394788, 2.3990537526, 4.6777820041, 2.6794149658, 2.8056919027, 3.5978245324, 3.4676877062, 3.4043952726, 2.978790628, 2.5353620113, 3.6647130844, 4.8757337138, 2.3990537526, 2.312277636, 2.8056919027, 2.7042072872, 6.6075427063, 2.9109850751, 4.5502994579, 5.2004386672, 3.7328451875, 3.2964005564, 2.4212519237, 3.9814381981, 4.6993736648, 3.1771665298, 2.4324279148, 2.3990537526, 19.3214617164, 3.1335741707, 4.8757337138, 2.3990537526, 3.1918316641, 5.2004386672, 3.3731835891, 5.2971220406, 2.312277636, 4.898239078, 3.2661789745, 3.4676877062, 3.4043952726, 5.3708123486, 3.6478752572, 2.8976103136, 2.8186423881, 3.1771665298, 3.7847742368, 2.6548499417, 4.6777820041, 4.426291165, 10.328564805, 3.1048453901, 2.312277636, 2.6548499417, 8.8723768253, 3.1771665298, 2.3880311019, 5.2971220406, 2.5706324102, 2.6794149658, 3.6647130844, 3.6478752572, 3.8197943216, 5.2727839755, 11.6960705369, 2.8186423881, 2.6548499417, 3.9268108181, 3.1771665298, 2.4549348932, 2.8842970035, 3.5648394788, 2.7166893409, 3.1771665298, 2.4324279148, 2.3552660868, 2.7418265579, 4.0368255207, 2.7928009194, 3.0905799213, 4.2270752462, 2.4212519237, 3.1771665298, 3.1048453901, 2.9925401008, 2.523713081, 2.8578536096, 18.1150684236, 3.7673847787, 3.2511722452, 2.6548499417, 2.8578536096, 4.6777820041, 2.8186423881, 2.6794149658, 2.3444446221, 7.8350176433, 3.4997738255, 2.312277636, 3.4997738255, 2.8710448625, 8.0545258335, 7.1456210173, 4.0741778073, 5.3461357073, 3.1771665298, 2.9109850751, 2.3770590956, 3.4997738255, 2.6917825833, 4.7647484646, 3.7156943217, 5.0820622309, 3.2213653189, 2.5706324102, 2.8842970035, 6.4869414603, 2.4101272816, 5.058712276, 2.5706324102, 5.2971220406, 2.9514809114, 5.8889786358, 2.4324279148, 3.1048453901, 3.1771665298, 2.6917825833, 6.3392806452, 3.0905799213, 7.1456210173, 2.6426520142, 2.8976103136, 5.0820622309, 8.0175186488, 3.5978245324, 2.4776501261, 2.5944181791, 2.8976103136, 2.4101272816, 3.9268108181, 3.4997738255, 3.4676877062, 3.4043952726, 6.6075427063, 7.6920124549, 2.6794149658, 7.6214916608, 4.6777820041, 5.152760759, 2.6794149658, 3.8551384433, 2.8056919027, 2.7166893409, 2.3661375011, 4.0741778073, 2.6426520142, 4.1690775995, 3.1335741707, 3.7156943217, 2.9925401008, 4.0741778073, 2.6794149658, 3.6478752572, 3.750075218, 3.1771665298, 2.4549348932, 2.8842970035, 2.4776501261, 2.844722965, 4.3857106837, 2.523713081, 2.3016536853, 2.4324279148, 3.7847742368, 2.3229506246, 2.3229506246, 2.4212519237, 3.6647130844, 2.6305101311, 2.5944181791, 2.6917825833, 3.4201092472, 3.7328451875, 5.2971220406, 2.5121176727, 3.3731835891, 2.6548499417, 4.0554586606, 3.1918316641, 2.7544822542, 3.1480380919, 2.3229506246, 2.523713081, 4.2270752462, 2.8186423881, 2.8842970035, 4.0741778073, 3.4043952726, 4.6777820041, 2.2910785472, 3.7156943217, 3.2065644897, 3.5978245324, 2.978790628, 4.0554586606, 3.1771665298, 2.9925401008, 3.1335741707, 3.9631451512, 6.3392806452, 2.3016536853, 2.6794149658, 2.9109850751, 2.8842970035, 4.0741778073, 2.5005755404, 2.8186423881, 3.3116160501, 4.6562895481, 2.9514809114, 2.8578536096, 6.6075427063, 4.6993736648, 3.4997738255, 3.1771665298, 2.3444446221, 2.6794149658, 2.4324279148, 7.6214916608, 3.1048453901, 2.3016536853, 2.9925401008, 9.2478330051, 3.5484605292, 2.8056919027, 3.2065644897, 2.4890864394, 2.8710448625, 3.1771665298, 4.0741778073, 4.0741778073, 3.3731835891, 2.8976103136, 2.3770590956, 6.1381850734, 3.4043952726, 7.6214916608, 2.7799691647, 4.6777820041, 4.246586539, 2.7042072872, 2.3016536853, 3.4676877062, 3.4043952726, 2.844722965, 3.2065644897, 2.3661375011, 3.4997738255, 3.6647130844, 2.9925401008, 2.8710448625, 2.2910785472, 2.5706324102, 3.7328451875, 4.0741778073, 5.058712276, 3.4997738255, 3.1771665298, 2.3016536853, 3.4043952726, 3.2065644897, 2.3229506246, 2.4324279148, 2.8976103136, 3.7156943217, 2.7166893409, 2.8710448625, 3.4997738255, 6.6075427063, 2.4212519237, 2.8316526503, 2.8578536096, 7.1456210173, 5.8619212367, 8.3184034225, 5.2971220406, 3.4676877062, 3.4043952726, 4.0741778073, 2.9925401008, 2.3016536853, 84.7305408852, 2.3990537526, 2.7166893409, 4.6777820041, 2.3770590956, 2.6794149658, 2.8056919027, 8.8723768253, 3.2661789745, 2.9925401008, 3.8908096001, 3.2964005564, 3.6647130844, 2.3880311019, 5.2971220406, 51.5276075896, 3.2065644897, 2.9109850751, 3.0622453143, 3.8551384433, 3.4676877062, 5.2971220406, 4.7428564339, 3.3422580561, 4.0741778073, 2.5944181791, 2.6305101311, 2.6548499417, 8.8723768253, 2.3552660868, 4.6993736648, 4.6136004289, 2.4324279148, 3.1048453901, 2.5706324102, 2.3016536853, 2.9109850751, 4.2270752462, 3.4836938254, 8.0545258335, 6.6075427063, 4.0741778073, 7.6214916608, 2.3016536853, 3.1191767052, 5.0820622309, 3.8551384433, 3.2812549716, 9.3334021504, 2.8976103136, 2.8578536096, 3.5978245324, 5.0123337231, 4.246586539, 4.6777820041, 2.2910785472, 3.1625687756, 2.8186423881, 4.6993736648, 2.7292290091, 3.7673847787, 2.9925401008, 5.152760759, 6.4571366717, 3.7328451875, 2.3990537526, 5.3461357073, 2.6794149658, 2.8186423881, 3.6816286314, 5.6759685287, 3.7156943217, 2.3990537526, 2.5944181791, 2.6305101311, 2.3016536853, 2.5005755404, 2.844722965, 2.7166893409, 4.6136004289, 2.3229506246, 3.1048453901, 3.8551384433, 2.8578536096, 2.4436554919, 2.4549348932, 5.9434686842, 4.3857106837, 5.2971220406, 3.3116160501, 2.5706324102, 2.5944181791, 3.3422580561, 2.7544822542, 7.8350176433, 3.5978245324, 2.8842970035, 4.2270752462, 3.3731835891, 2.8976103136, 2.3770590956, 3.4043952726, 5.8889786358, 2.523713081, 2.844722965, 2.6794149658, 3.2065644897, 2.5005755404, 3.1771665298, 3.4997738255, 8.8723768253, 3.1625687756, 3.3116160501, 3.5648394788, 2.6548499417, 5.152760759, 3.750075218, 3.6647130844, 3.1771665298, 2.3880311019, 3.7328451875, 4.5502994579, 2.523713081, 3.2213653189, 2.4212519237, 2.4212519237, 2.3229506246, 6.6075427063, 2.844722965, 3.8022439609, 3.7328451875, 3.1771665298, 7.6214916608, 2.8578536096, 4.9893041415, 2.7292290091, 3.2213653189, 3.2065644897, 3.750075218, 7.1456210173, 3.4676877062, 3.1048453901, 3.6311147929, 3.750075218, 6.3392806452, 9.2478330051, 6.2235757337, 2.7166893409, 6.1381850734, 7.2784680305, 2.4776501261, 7.6214916608, 2.6794149658, 3.0622453143, 3.5978245324, 2.7166893409, 3.7673847787, 7.8350176433, 3.5159280475, 2.6917825833, 6.2235757337, 3.1771665298, 3.1048453901, 2.6548499417, 3.4676877062, 3.4043952726, 3.8908096001, 2.5944181791, 2.6794149658, 2.2910785472, 2.9109850751, 3.2065644897, 5.3461357073, 3.1771665298, 3.5648394788, 5.3708123486, 2.2910785472, 3.4201092472, 2.6548499417, 2.3016536853, 3.4997738255, 3.4043952726, 2.7292290091, 3.1771665298, 2.7928009194, 2.7042072872, 2.8578536096, 2.2910785472, 2.4101272816, 3.0622453143, 2.4101272816, 10.5205871614, 3.4201092472, 4.2270752462, 3.0202297334, 3.8197943216, 16.6740069728, 2.3990537526, 2.5121176727, 3.1771665298, 3.0622453143, 3.4676877062, 3.4043952726, 2.8710448625, 2.8976103136, 2.3444446221, 2.3552660868, 3.1771665298, 5.8889786358, 4.4059542044, 3.4676877062, 51.5276075896, 4.1118757104, 2.6917825833, 3.0622453143, 2.7418265579, 2.6794149658, 2.8186423881, 3.8551384433, 3.1771665298, 7.1456210173, 2.4212519237, 3.5978245324, 4.5924028604, 2.3229506246, 3.4997738255, 2.6794149658, 3.3731835891, 3.8908096001, 2.8578536096, 3.1771665298, 3.0622453143, 4.0741778073, 2.3016536853, 2.3229506246, 2.3990537526, 2.4212519237, 2.4324279148, 3.1480380919, 3.7328451875, 2.4549348932, 16.6740069728, 5.2004386672, 2.4549348932, 4.9435619262, 2.8710448625, 3.4043952726, 2.5944181791, 3.4676877062, 3.4043952726, 11.6960705369, 5.3708123486, 6.8555133165, 3.3731835891, 3.4043952726, 4.6777820041, 3.8022439609, 3.7847742368, 3.3422580561, 2.3661375011, 3.5978245324, 3.0622453143, 2.4776501261, 6.6075427063, 3.1771665298, 2.5470647106, 2.9109850751, 3.1048453901, 4.4059542044, 3.8197943216, 2.312277636, 2.6426520142, 4.9893041415, 2.6305101311, 2.7928009194, 4.0741778073, 4.246586539, 3.9268108181, 2.844722965, 2.8578536096, 4.3255364773, 3.1048453901, 2.978790628, 3.750075218, 2.9379200884, 7.1456210173, 10.5205871614, 2.6305101311, 3.5648394788, 2.7166893409, 2.9651043282, 3.2511722452, 2.7418265579, 3.2812549716, 3.1048453901, 2.7799691647, 2.5353620113, 2.8976103136, 2.6426520142, 3.1335741707, 4.6777820041, 3.7156943217, 4.426291165, 5.0820622309, 2.6794149658, 8.8723768253, 5.4706632051, 3.2964005564, 2.5706324102, 4.8757337138, 2.5944181791, 6.6075427063, 5.0820622309, 3.5648394788, 3.0905799213, 3.0905799213, 2.5706324102, 2.6917825833, 3.1771665298, 2.978790628, 3.6647130844, 2.4212519237, 2.8842970035, 2.3229506246, 2.844722965, 6.8555133165, 2.8578536096, 3.1918316641, 2.8842970035, 3.1771665298, 8.1665754493, 2.3016536853, 2.7292290091, 3.6816286314, 6.6994627817, 2.9925401008, 6.3979372868, 3.5978245324, 2.4776501261, 3.1771665298, 2.4436554919, 7.6214916608, 3.3576852183, 3.4676877062, 3.4043952726, 4.6777820041, 2.5944181791, 4.4059542044, 6.6075427063, 2.8578536096, 3.0622453143, 3.9268108181, 2.844722965, 2.6917825833, 2.5706324102, 2.3336728776, 3.1048453901, 8.0545258335, 2.6794149658, 2.8186423881, 2.9109850751, 2.6305101311, 2.7166893409, 2.4776501261, 3.7328451875, 4.9435619262, 10.1400472517, 7.1456210173, 3.0905799213, 2.2910785472, 2.4776501261, 3.1335741707, 19.3214617164, 3.1771665298, 2.5353620113, 3.1335741707, 2.6426520142, 2.3770590956, 4.2270752462, 5.0820622309, 2.6305101311, 7.6214916608, 3.1918316641, 2.6548499417, 5.0820622309, 2.6671041722, 2.9379200884, 2.7166893409, 3.3731835891, 2.9925401008, 3.5978245324, 2.4101272816, 3.8022439609, 2.3336728776, 3.0622453143, 3.6144313359, 3.5648394788, 3.1048453901, 3.1771665298, 3.750075218, 4.4878670088, 2.4101272816, 2.3661375011, 2.3990537526, 2.5944181791, 4.7647484646, 2.6917825833, 2.6426520142, 2.9109850751, 4.5502994579, 2.5706324102, 6.3979372868, 2.3990537526, 3.1771665298, 3.3116160501, 3.8551384433, 2.2910785472, 3.750075218, 4.6136004289, 2.3990537526, 2.8578536096, 3.7156943217, 3.7328451875, 2.9109850751, 3.750075218, 2.7928009194, 3.1335741707, 2.8316526503, 3.2661789745, 3.4997738255, 6.6075427063, 2.7292290091, 3.9631451512, 2.3016536853, 2.6794149658, 2.4776501261, 8.0545258335, 5.8619212367, 3.5484605292, 3.1771665298, 3.1480380919, 2.8842970035, 2.978790628, 3.4676877062, 3.4043952726, 2.8976103136, 6.6994627817, 5.8889786358, 4.1499224279, 3.8197943216, 3.7328451875, 2.7671963667, 3.8908096001, 2.4212519237, 3.0905799213, 2.3229506246, 2.3444446221, 2.2910785472, 2.8578536096, 2.5706324102, 3.0622453143, 3.6647130844, 5.2971220406, 4.246586539, 4.7210649881, 4.0741778073, 3.0063530383, 2.8842970035, 4.7867415442, 3.0622453143, 3.5648394788, 3.5978245324, 8.8723768253, 2.3229506246, 4.4059542044, 2.8710448625, 3.6647130844, 2.3880311019, 3.7328451875, 5.4706632051, 2.6794149658, 5.2004386672, 2.9109850751, 3.0905799213, 2.8186423881, 2.3770590956, 2.5706324102, 7.1456210173, 3.1480380919, 3.9449361533, 2.6548499417, 2.8578536096, 2.4776501261, 2.312277636]
В атрибуте 'relative_velocity' обнаружены аномалии: [133569.0447878095, 178961.5176317593, 138119.6179153084, 167372.8034566939, 125015.7533881835, 132185.0032723958, 133216.4743165159, 130955.1606471186, 182007.9842706731, 127074.1313123845, 129960.8927510987, 137878.6231423123, 193386.9752184064, 125629.5310624868, 125976.0754627193, 131436.9005275991, 152172.1335097544, 148000.8233501158, 154566.8113327776, 147174.3106387106, 127964.7940636339, 131253.2865042854, 130968.1274769806, 129355.5481879637, 137886.9477296724, 154379.8596630028, 129376.9104708406, 134599.1952316475, 135906.787243381, 138466.9421768693, 151386.2059704372, 131091.6215025047, 124952.2399952107, 163002.6775783674, 157914.6315118211, 136874.7093382614, 131710.7262772872, 135849.7168068071, 132166.4661563058, 131170.643861081, 129787.2375048544, 124552.5798701592, 152588.5002996656, 135717.2784111629, 126519.9676937381, 125726.7232248426, 135406.3750328902, 127641.4111352293, 133544.2814714088, 125443.514281873, 149936.050762195, 124683.7576632854, 127570.0164759572, 151273.9731861065, 153136.1656519474, 128895.0466029872, 146102.7446536144, 126411.124365819, 129888.648028003, 157827.4541830001, 133717.4702602355, 127727.8712019022, 127659.6758524709, 139267.7732204788, 130332.9183165029, 140190.9960361968, 126155.3609057936, 152270.5451025481, 128369.5862194735, 126468.1532099254, 134221.817887934, 125381.9533626806, 132674.6110412736, 127314.3315952944, 124725.522805276, 131523.5206398373, 138994.6453615912, 126122.2636702313, 147654.6174263146, 124706.0575097514, 138065.818937396, 124128.8141729245, 126076.0666894679, 158623.718271367, 140767.5352109368, 149542.0351088555, 139864.9953292708, 128985.1230780414, 138364.324442752, 147204.7558132136, 159358.004741025, 124547.774292491, 130396.68529735, 141471.1520480297, 128389.0649323619, 148000.0282587252, 141452.2576877659, 142197.3857248132, 132411.9222086879, 163760.4570028043, 133239.6225245527, 146968.0980752138, 132808.7133825516, 128299.3370977511, 133046.3719346965, 133827.4635660173, 151863.9929102808, 137771.7756194621, 133457.2050488324, 126831.9529653239, 156114.5330936358, 131071.824204872, 134187.3396517756, 136678.798419165, 135178.441976556, 132633.864893651, 131855.2673229425, 127753.675838258, 126759.369655309, 155255.6433500672, 137839.2263567118, 136810.81116229, 129451.5274067482, 150130.4696658263, 129194.7428147414, 128282.5103385488, 127110.0116702902, 150704.4400775741, 130388.674559724, 126319.9627269216, 131791.9481425642, 128189.3953378165, 146154.6848723778, 125959.0731302992, 136565.9288817797, 140612.0215799383, 128777.3257393231, 142665.0497658792, 144876.2098328784, 143134.8328520921, 124536.8490994847, 130464.4387370555, 138758.8754653902, 153487.5613109471, 124230.2578284114, 129105.1361385245, 128111.803818142, 128951.3461785685, 152265.8873351423, 124968.4386406283, 156468.6202516812, 151435.3211543124, 127096.0229422688, 127310.2931249813, 139065.064463772, 163299.3051251102, 132669.3424049852, 124821.8847500108, 127702.7129277724, 148088.2269932532, 129064.4453165519, 160232.5093383821, 144525.8169297994, 128512.2005497033, 126921.7632935369, 127425.3968132597, 126372.3126734974, 147544.9411883677, 135394.7492378372, 141465.2292876301, 129018.4285524296, 125556.2048682947, 146485.7587332014, 126709.1823121816, 125491.4411797087, 124436.659723353, 130441.6283602842, 154743.8358113618, 126610.1932618062, 160718.8586740236, 156817.1081677518, 125689.8477464683, 170893.0257857222, 124418.8546398292, 159280.9012776841, 139689.6732972972, 132162.6018115084, 127722.6449557294, 142458.62479052, 128850.5905368314, 137192.9557316735, 136816.0602077506, 139809.8412280051, 128941.0181377762, 131660.3833405103, 140701.3617093084, 136267.6939378135, 132643.2284246214, 153982.9247081868, 136986.6291056903, 124334.9263017727, 139280.4892669064, 150455.5920479704, 146586.2886461232, 134623.9581010456, 127196.0207391596, 152245.2519899442, 126658.3042626725, 147373.651367518, 125142.8568108466, 135173.0992853016, 142068.4110355133, 136289.6956250921, 128712.2917589622, 152709.0161953792, 136773.4610708546, 141588.089982463, 148818.2332753332, 126660.754913801, 131425.0853458036, 151407.9251475894, 143922.899315686, 154342.7347291801, 129130.4463649412, 134591.5057745164, 135821.4648501362, 146203.1434356829, 130451.9709649032, 132161.1257782004, 136694.2391430037, 140474.9900721982, 126817.5700618848, 127014.011399686, 174875.355323528, 142728.3728609656, 131534.8976539426, 140348.9086649723, 134806.9355298842, 125361.9215669236, 160130.8374403943, 124978.4999120228, 140799.1788978919, 151326.0929012612, 140894.7935353376, 134664.422009828, 151526.9247416744, 124540.3988536662, 124540.3987473744, 135335.1764569406, 132975.1426601286, 144538.0714696583, 125184.5679668231, 165645.5053288309, 138878.751843783, 147192.3321394662, 150090.6018134178, 134160.8233137016, 125805.2028498594, 133546.1466015252, 133199.625280361, 142993.5414228302, 132200.61608435, 155957.3797191203, 131159.6095262728, 137945.54235974, 153257.8003423096, 137347.9290847202, 147740.5715817348, 152474.062894155, 138774.6211855745, 134814.0368720297, 175424.7576660584, 137849.9596283372, 132493.814215952, 132207.0806102238, 131435.0823747514, 134515.2740888228, 127729.4511233959, 126745.4035901236, 124770.4490996942, 129024.6978783312, 144808.2965969255, 127112.1853012376, 137820.7501792013, 132305.0808553898, 126807.6704657116, 131218.843137894, 129695.3247846492, 130771.3567742633, 124758.6758734691, 131426.6296770763, 128658.3773268427, 129852.37161616, 133279.8401141107, 157754.1776942873, 183551.9075447364, 127918.5708900312, 136572.3636881386, 153456.290782767, 127473.8518726585, 137133.7347727289, 127352.7542581348, 124726.053114873, 167111.4536950266, 153613.8112017776, 131616.7063359008, 130355.666697415, 134252.0895533429, 132499.4218944026, 125015.2146935874, 157265.4319471282, 131751.6671135801, 129170.6220517855, 144952.0483385855, 134166.8828209795, 137425.023624303, 124378.1798638176, 133647.1336229933, 127559.2758511025, 133502.7425350759, 130054.3179280171, 135903.0026251764, 130174.3829013149, 129645.9379617563, 142875.2559434616, 133241.7686169715, 137351.7885489872, 126476.8839317002, 143871.4486603786, 142077.3122363303, 123977.8236505316, 191176.4581960964, 125189.2287540068, 140800.9109039456, 132581.3631610759, 131235.3870644567, 132179.4488160824, 124970.7216770924, 163565.7976780124, 124443.9967010674, 128868.5439514544, 131783.635065388, 139963.5293396094, 129477.5767454022, 152335.8774036544, 140581.7119455012, 136976.5366071271, 150499.4597267306, 184152.0614110542, 184152.0613296683, 127718.3472828732, 132754.3290190948, 136501.0460079347, 139243.3813647947, 138116.4872263333, 128024.6453200678, 124238.4747112307, 127478.0429180359, 142964.771945594, 136281.7452078259, 135505.881677984, 142179.8984297287, 131003.6053529574, 136241.525212726, 134729.1437909353, 137953.0932480526, 173394.7032442432, 142613.1938618042, 125889.1762484426, 134832.4875574852, 131461.8054369019, 142864.2876595489, 131381.9759553984, 130788.6685763911, 134285.7175471714, 136654.6913144093, 128869.5218555236, 126439.3279161745, 126135.4685182373, 140750.1698859454, 144755.2120979225, 129985.2467362832, 125956.6665873991, 133872.0813700528, 126014.3313909768, 156347.1524224652, 144796.7923959622, 144210.8658207708, 144486.9662447657, 156117.4228898543, 148210.4005751617, 135782.2648194444, 134298.2796329704, 139047.057784363, 134476.5607575458, 127366.7869392905, 126386.802435393, 180485.9223555463, 151036.5860495395, 130848.2803167012, 151548.2564197097, 166983.6441452224, 164246.4296438141, 154523.1184232591, 139114.3256889134, 148354.2772060482, 130240.3764151278, 126269.6788391213, 141097.3962305821, 145001.8295336556, 125271.3010773661, 147936.3968049588, 135409.4847384833, 124300.6670884118, 140833.5334319725, 127150.8969638927, 128133.4202532367, 131787.2705751234, 137552.6175028477, 137440.4793136006, 129061.6381820599, 126047.2038503774, 125011.4228052703, 125637.2675426848, 127646.819461678, 146830.3066242403, 126039.1198607903, 132280.0279535434, 135921.4669271315, 126119.3506603416, 131398.346002639, 152357.2697376083, 153617.5820903987, 128799.7847287121, 138615.0426589752, 124425.4306464252, 124425.4306980766, 148217.6022529543, 124337.4817174117, 134926.5146993507, 138844.7232893186, 161257.405433769, 129180.8343627565, 141726.597819723, 152327.0480070002, 129364.2914048467, 135868.1039224009, 151661.4223212043, 172227.3371904647, 160576.891427461, 123974.8916039255, 167039.8779069846, 128053.544035513, 169295.8306137059, 128873.0043210614, 128025.084290067, 126968.8003306931, 136523.0144025986, 166503.8716634884, 166844.7960924352, 127108.2680769463, 130533.7072744832, 156984.8576669903, 170373.8523031456, 144396.5177382606, 133133.8564250651, 141195.3083493955, 138895.530969334, 147945.6221816887, 127385.9072101001, 151246.3637115634, 154653.441549053, 129376.3554475844, 146169.1156295405, 130700.5904410132, 130390.1702120203, 135964.1795636509, 129592.6596205556, 126558.913801612, 128825.4555581674, 129407.4734099882, 132537.9587450454, 178340.2959816742, 137205.2897163227, 128716.2053013438, 124460.0334498348, 147685.8820849261, 137367.8478097646, 129651.9457009061, 131759.3341082833, 128486.39092204, 138789.5403584174, 129728.770087108, 135133.8506361644, 124717.8162920425, 124906.6323130046, 135115.6746260887, 146080.5739591752, 147723.5149380868, 127326.6505843265, 126931.1226199981, 134587.9239008285, 127817.7990932707, 143912.6787866292, 125864.9656512556, 149231.3353724315, 125296.1148970303, 129822.2350879741, 146128.4932654678, 127902.7735794396, 130340.0780011105, 125509.3668371862, 135017.5789021554, 137582.0071180337, 131032.0494245578, 166401.2262860885, 133282.5835085035, 129231.4874097701, 143674.0969021916, 125679.6404868449, 140286.2058667501, 141765.0224281276, 124391.7411785161, 135763.9322255536, 129876.6540816122, 136038.1129769902, 124979.0786923712, 137385.2769371888, 126542.3385312601, 130383.7993195531, 194056.4149889756, 148764.1217458118, 129437.2438189992, 129051.5738526504, 126130.2154003991, 126942.2150356469, 141638.7423944657, 135472.954552996, 153752.3420378566, 146353.497974105, 167365.7454700084, 124317.6092485268, 127824.6242807399, 133299.3675845416, 128423.9058331727, 131581.6816541267, 134519.1214163098, 128958.9288551579, 124124.4821132593, 159459.0173333104, 134773.957450084, 131918.7818789388, 124836.8376992501, 145044.1969564561, 130871.7704034263, 146086.5748868467, 130207.6699754314, 163954.9051907116, 136203.2162045395, 136236.4653758911, 151720.765075687, 126095.5642437328, 135861.0919805196, 148067.9796422581, 132474.5221402044, 147609.5254974043, 136537.769976314, 129240.8287370176, 141349.8132579571, 147177.7620666311, 159648.7518555167, 125639.7150161488, 128787.494221575, 139397.6393839462, 140796.5550583486, 129035.4827317427, 134337.0827609402, 132603.7656718246, 135908.3068410906, 125413.3665149656, 134672.7115132592, 124954.9204373816, 142135.4320034602, 147542.8742119858, 136059.5555609123, 145859.5586401909, 143180.4760526372, 141440.1519766745, 134110.1823066371, 141262.334655507, 148392.3872816975, 124607.4216735186, 143797.4700917029, 141123.1431563276, 236990.1280878666, 124556.9797677881, 132603.4855564852, 125333.6130061092, 154650.5602410265, 130446.9875177089, 127606.856665194, 128840.3836023352, 132583.9047238976, 140688.5548662425, 164625.4147164314, 140892.4671319465, 131371.9125902129, 142189.5325718005, 152204.3229879619, 124125.9961888195, 141284.3990218405, 135558.5862871843, 139109.6472390212, 124036.6786876465, 130826.6151949062, 131264.4920951588, 129160.2155739754, 129817.2712396532, 140456.091491941, 144684.240493676, 128389.7832139328, 133728.6874464342, 130780.4126380754, 156754.3210405952, 129090.7953806594, 125555.5912751262, 139318.2030658756, 126727.267038817, 128738.8576653415, 135956.2514753347, 176609.5022983572, 124494.6777797185, 124944.9225697678, 125197.1240188223, 149051.5146059004, 155406.6106088616, 157682.006505121, 125316.131456543, 133083.8970916925, 137448.7773015341, 154601.5221524534, 128526.8853789781, 145529.1689413122, 126836.8363129601, 139818.2468576789, 129938.7714853324, 143802.104562315, 145957.5614948274, 128440.1720630254, 124051.6727426804, 129859.3984867031, 126212.6105936186, 138186.159349977, 132953.4968021388, 163733.3129247286, 128734.1710416616, 149241.6319105703, 127047.9996725422, 138513.9856402976, 141584.519788915, 138803.2570766574, 144578.251037804, 126170.9831643905, 132114.9483451588, 129911.4359555188, 158499.4680564829, 124462.2418592425, 128360.0385130403, 130775.3722521432, 123966.4368986708, 167152.481509698, 135042.2618609754, 129060.6652992463, 124281.6822853081, 126418.2367116193, 127969.3789793042, 146529.5593798458, 128640.1042111442, 158443.9495487629, 157028.34325999, 153392.7437047274, 134155.8406213398, 127524.5862704726, 130014.0050148284, 124649.5120412375, 141545.0416015645, 147436.3698497222, 127035.7077279856, 141064.3959814116, 158900.1648566616, 132435.3962178036, 139072.650267353, 126584.9216556451, 138278.9953608588, 146497.2271048901, 127745.1947365988, 138007.0554630602, 136009.1603730006, 131084.2119454776, 125349.008859981, 134193.5602115486, 142108.935729529, 124786.2069695624, 136267.830967045, 130999.946819666, 126131.3437655952, 124100.0397729428, 127736.4499266251, 136923.5261823062, 124703.4684855499, 138058.9823592299, 133739.6400631055, 127495.1576432221, 127990.5321808433, 172208.9993065567, 137012.4058087091, 129706.7251124614, 125807.719189923, 127649.1705392981, 145305.8773592724, 126168.8477504994, 140612.4082657699, 132382.4701882932, 125717.5040685084, 126726.3871908322, 137855.7756511636, 130261.2587990132, 125813.6299068311, 139459.7719495714, 142948.1153351848, 137710.0341976435, 133921.1241194058, 129732.2862094418, 137403.4832583347, 153789.2161092922, 133446.571777647, 125844.7252093704, 138844.165028602, 147877.308087867, 124801.5960919775, 133727.291171838, 124508.9792210969, 141154.3801757077, 130526.4404756102, 135182.980473862, 131954.4825646241, 131950.4840796776, 132768.3077885405, 128367.8466871068, 132517.4030895744, 133285.9664395631, 133259.3010902009, 228242.2434668618, 125950.2733309705, 145382.2714153699, 128889.9329726758, 146654.7950571278, 139519.4170519634, 158556.0068257464, 139394.994787264, 128173.7957346504, 142445.7943486571, 145715.1344102254, 142328.2071683992, 132318.7157486315, 127895.2582475808, 130428.1438715419, 146896.526950519, 127391.6601901696, 129856.5203932912, 139606.1054756248, 135439.5192848633, 137572.6915135224, 125222.2358617541, 144687.3716861014, 124486.1298216842, 139282.4938015451, 207168.6686925272, 131354.0080303129, 146182.5850016318, 125620.2067000752, 127044.8857253149, 139105.2636821812, 133265.6594197067, 131575.0033719558, 135652.00629038, 134487.6215549191, 145130.3203948578, 138660.4640001118, 126874.1295825826, 134995.7822469934, 163285.7837794078, 130116.8369953199, 128770.5277299103, 127252.6775535139, 129246.0576137698, 134113.2777557244, 148337.8261962257, 125548.502639369, 125548.5027172907, 125074.6980394532, 142587.9099342601, 138680.2945045976, 159394.0656018125, 127980.0832573206, 133186.0885066922, 149896.3413337513, 127871.6081083384, 133867.9739344205, 156368.9685988652, 125875.9150517884, 157299.5000735874, 132301.2341032402, 134999.2888555982, 129849.1579730952, 136525.8839184256, 135448.9749945058, 129340.0296903233, 132793.7292919145, 134083.9394586238, 125194.8057624533, 135428.0562364788, 149010.5204755798, 145022.928741248, 127075.4706858768, 164471.1998394899, 124304.6385545864, 157312.1436108912, 127045.8992067592, 126952.8578109504, 150267.6666728478, 124566.708732502, 143872.1567574239, 139182.1112221128, 133886.486067071, 125390.752691566, 177510.7295602038, 151528.2959986157, 138835.9894640767, 130770.4822482604, 131516.2602845568, 129271.3092083959, 144794.5707388007, 124135.322340596, 147052.5910521239, 140115.0078285808, 125072.7373260004, 132909.3451896278, 124047.4215818884, 128562.8668511396, 128835.4325307538, 151102.4743999796, 126515.2408994419, 126189.4105726916, 140347.3532916719, 147117.3950382462, 126313.541578967, 131738.4262679008, 131537.8513943586, 127227.216994286, 149843.7442418908, 127874.948421361, 139317.8394963845, 157742.4051444262, 132417.1136575519, 141452.9943771182, 132308.7361709476, 124647.2806434275, 129142.4219427542, 130740.2847594194, 154581.8076981536, 187221.0733344144, 127015.9871583006, 149160.6452428978, 129256.6666398854, 138084.7165128119, 154243.0836316415, 126058.6942420756, 128214.7144037726, 139606.3015661095, 125252.2987777217]
В атрибуте 'absolute_magnitude' обнаружены аномалии: [13.82, 13.82, 14.77, 14.46, 14.6, 14.02, 14.69, 14.77, 14.44, 14.02, 14.77, 14.77, 14.46, 14.34, 14.77, 14.6, 10.31, 14.7, 14.46, 14.6, 14.77, 12.44, 13.8, 14.13, 13.53, 12.58, 14.4, 14.34, 14.6, 14.81, 32.3, 14.6, 14.35, 33.2, 14.77, 14.44, 14.46, 32.3, 32.56, 14.77, 14.46, 14.04, 32.56, 14.46, 14.77, 14.6, 32.3, 14.27, 9.23, 14.13, 10.31, 14.13, 14.34, 14.77, 14.46, 14.02, 14.82, 14.4, 14.13, 32.95, 14.77, 14.46, 14.6, 32.56, 14.04, 32.56, 14.56, 14.46, 14.4, 32.95, 13.76, 12.76, 32.95, 32.3, 10.31, 14.6, 12.76, 13.53, 14.69, 14.77, 14.6, 13.76, 14.13, 14.77, 14.69, 14.31, 14.74, 14.84, 14.46, 14.77, 14.34, 13.84, 14.6, 12.44, 14.46, 32.95, 32.56, 14.84, 14.77, 14.34, 14.74, 32.95, 14.13, 32.95, 14.6]

Аномалии в наборе данных Healthcare:
В атрибуте 'hypertension' обнаружены аномалии: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
В атрибуте 'heart_disease' обнаружены аномалии: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
В атрибуте 'avg_glucose_level' обнаружены аномалии: [252.72, 243.58, 259.63, 249.31, 263.32, 271.74, 242.52, 250.89, 247.51, 243.53, 242.3, 243.5, 251.6, 247.69, 250.2, 254.6, 254.63, 246.34, 251.46, 267.76, 246.53, 244.28, 251.99, 253.16, 242.84, 249.29, 242.94, 247.48, 266.59, 243.73, 243.59, 250.8, 255.17, 267.61, 260.85, 248.37, 263.56, 247.97, 248.24, 253.93, 254.95, 247.87, 261.67, 256.74, 244.3, 242.62, 243.52, 267.6, 253.86]
В атрибуте 'bmi' обнаружены аномалии: [56.6, 54.6, 60.9, 54.7, 64.8, 54.7, 60.2, 71.9, 54.6, 55.7, 55.7, 57.5, 54.2, 52.3, 78.0, 53.4, 55.2, 55.0, 54.8, 52.8, 66.8, 55.1, 55.9, 57.3, 56.0, 57.7, 54.0, 56.1, 97.6, 53.9, 53.8, 52.7, 52.8, 55.7, 53.5, 63.3, 52.8, 61.2, 58.1, 52.7, 53.4, 59.7, 52.5, 52.9, 54.7, 61.6, 53.8, 54.3, 55.0, 57.2, 64.4, 92.0, 55.9, 57.9, 55.7, 57.2, 60.9, 54.1, 56.6]
В атрибуте 'stroke' обнаружены аномалии: [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

Аномалии в наборе данных Diabetes:
В атрибуте 'Pregnancies' обнаружены аномалии: [15, 17, 14, 14]
В атрибуте 'Glucose' обнаружены аномалии: [0, 0, 0, 0, 0]
В атрибуте 'BloodPressure' обнаружены аномалии: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
В атрибуте 'SkinThickness' обнаружены аномалии: [99]
В атрибуте 'Insulin' обнаружены аномалии: [543, 846, 495, 485, 495, 478, 744, 680, 545, 465, 579, 474, 480, 600, 440, 540, 480, 510]
В атрибуте 'BMI' обнаружены аномалии: [0.0, 0.0, 0.0, 0.0, 0.0, 67.1, 0.0, 0.0, 59.4, 0.0, 0.0, 57.3, 0.0, 0.0]
В атрибуте 'DiabetesPedigreeFunction' обнаружены аномалии: [2.288, 1.893, 1.781, 2.329, 1.476, 2.137, 1.731, 1.6, 2.42, 1.699, 1.698]
В атрибуте 'Age' обнаружены аномалии: [69, 72, 81, 70, 69]

Теперь выполним 10 пункт, разобьем данные на выборки

In [19]:
from sklearn.model_selection import train_test_split
def split_data(df, target_column, test_size=0.2, random_state=42):
    # Разделяем данные на обучающую и временную выборки
    X_train, X_temp, y_train, y_temp = train_test_split(df.drop(columns=[target_column]), 
                                                        df[target_column], 
                                                        test_size=test_size, 
                                                        random_state=random_state, 
                                                        stratify=df[target_column])
    # Делим временную выборку на контрольную и тестовую
    X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, 
                                                      test_size=0.5, 
                                                      random_state=random_state, 
                                                      stratify=y_temp)
    
    return X_train, X_val, X_test, y_train, y_val, y_test

# Для набора данных neo
neo_train, neo_val, neo_test, neo_train_labels, neo_val_labels, neo_test_labels = split_data(neo, 'hazardous')

# Для набора данных healthcare
healthcare_train, healthcare_val, healthcare_test, healthcare_train_labels, healthcare_val_labels, healthcare_test_labels = split_data(healthcare, 'stroke')

# Для набора данных diabetes
diabetes_train, diabetes_val, diabetes_test, diabetes_train_labels, diabetes_val_labels, diabetes_test_labels = split_data(diabetes, 'Outcome')
def check_balance(y_train, y_val, y_test):
    print("Обучающая выборка:")
    print(y_train.value_counts(normalize=True))
    print("\nКонтрольная выборка:")
    print(y_val.value_counts(normalize=True))
    print("\nТестовая выборка:")
    print(y_test.value_counts(normalize=True))

print("Набор данных Neo:")
check_balance(neo_train_labels, neo_val_labels, neo_test_labels)

print("\nНабор данных Healthcare:")
check_balance(healthcare_train_labels, healthcare_val_labels, healthcare_test_labels)

print("\nНабор данных Diabetes:")
check_balance(diabetes_train_labels, diabetes_val_labels, diabetes_test_labels)

Набор данных Neo:
Обучающая выборка:
hazardous
False    0.902681
True     0.097319
Name: proportion, dtype: float64

Контрольная выборка:
hazardous
False    0.902686
True     0.097314
Name: proportion, dtype: float64

Тестовая выборка:
hazardous
False    0.902686
True     0.097314
Name: proportion, dtype: float64

Набор данных Healthcare:
Обучающая выборка:
stroke
0    0.951321
1    0.048679
Name: proportion, dtype: float64

Контрольная выборка:
stroke
0    0.951076
1    0.048924
Name: proportion, dtype: float64

Тестовая выборка:
stroke
0    0.951076
1    0.048924
Name: proportion, dtype: float64

Набор данных Diabetes:
Обучающая выборка:
Outcome
0    0.651466
1    0.348534
Name: proportion, dtype: float64

Контрольная выборка:
Outcome
0    0.649351
1    0.350649
Name: proportion, dtype: float64

Тестовая выборка:
Outcome
0    0.649351
1    0.350649
Name: proportion, dtype: float64
Набор данных Neo:
Аугментация данных не требуется.

Набор данных Healthcare:
Необходима аугментация данных.

Набор данных Diabetes:
Аугментация данных не требуется.

Для набота Neo

  • Пропорция классов сильно несбалансирована: только 9.73% объектов относятся к классу True (опасные), а 90.27% — к классу False (неопасные).
  • В данном случае, если модель будет обучаться только на этих данных, она может иметь высокую точность, просто предсказывая, что все объекты неопасные. Это приведет к тому, что модель будет плохо определять опасные объекты.

Набор данных Healthcare

  • Пропорция классов также сильно несбалансирована: только 4.87% объектов относятся к классу 1 (с инсультом).
  • Как и в предыдущем случае, если модель будет обучаться на этих данных, она может показывать высокую точность, просто предсказывая, что все объекты без инсульта.

Набор данных Diabetes

  • Здесь классы более сбалансированы, чем в предыдущих примерах, хотя класс 0 все еще составляет 65.15% и класс 1 34.85%.
  • Модель может научиться определять оба класса, но если точность по классу 1 будет низкой, можно рассмотреть методы аугментации.
  1. Oversampling (приращение данных): Увеличение числа примеров для меньшинства классов.
  2. Undersampling (уменьшение данных): Уменьшение числа примеров для большинства классов.
In [20]:
from imblearn.over_sampling import RandomOverSampler
from imblearn.under_sampling import RandomUnderSampler

# Пример Oversampling для Neo
X_neo = neo.drop('hazardous', axis=1) 
y_neo = neo['hazardous']                

# Oversampling
ros_neo = RandomOverSampler(random_state=42)
X_neo_resampled, y_neo_resampled = ros_neo.fit_resample(X_neo, y_neo)
neo_resampled = pd.DataFrame(X_neo_resampled, columns=X_neo.columns)
neo_resampled['hazardous'] = y_neo_resampled

print("Oversampling для Neo:")
print(neo_resampled['hazardous'].value_counts())


X_healthcare = healthcare.drop('stroke', axis=1)
y_healthcare = healthcare['stroke']

# Пример Undersampling для Healthcare
rus_healthcare = RandomUnderSampler(random_state=42)
X_healthcare_resampled_under, y_healthcare_resampled_under = rus_healthcare.fit_resample(X_healthcare, y_healthcare)
healthcare_resampled_under = pd.DataFrame(X_healthcare_resampled_under, columns=X_healthcare.columns)
healthcare_resampled_under['stroke'] = y_healthcare_resampled_under

print("\nUndersampling для Healthcare:")
print(healthcare_resampled_under['stroke'].value_counts())

# Пример Oversampling для Diabetes
X_diabetes = diabetes.drop('Outcome', axis=1)
y_diabetes = diabetes['Outcome']

# Oversampling
ros_diabetes = RandomOverSampler(random_state=42)
X_diabetes_resampled, y_diabetes_resampled = ros_diabetes.fit_resample(X_diabetes, y_diabetes)
diabetes_resampled = pd.DataFrame(X_diabetes_resampled, columns=X_diabetes.columns)
diabetes_resampled['Outcome'] = y_diabetes_resampled

print("\nOversampling для Diabetes:")
print(diabetes_resampled['Outcome'].value_counts())

Oversampling для Neo:
hazardous
False    81996
True     81996
Name: count, dtype: int64

Undersampling для Healthcare:
stroke
0    249
1    249
Name: count, dtype: int64

Oversampling для Diabetes:
Outcome
1    500
0    500
Name: count, dtype: int64