ujijrujijr/AIM-PIbd-32-Chernyshev-G-Y
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

получше оценки 1

Browse Source
This commit is contained in:
ujijrujijr 2025-02-16 18:04:40 +04:00
parent 3507e1d142
commit 4e8aeacb26
1 changed files with 23 additions and 25 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

48
lab_7/Lab7.ipynb
View File

@ -9,7 +9,7 @@
},
{
"cell_type": "code",
"execution_count": 35,
"execution_count": 70,
"metadata": {},
"outputs": [],
"source": [
@ -20,7 +20,7 @@
},
{
"cell_type": "code",
"execution_count": 36,
"execution_count": 71,
"metadata": {},
"outputs": [],
"source": [
@ -47,7 +47,7 @@
},
{
"cell_type": "code",
"execution_count": 37,
"execution_count": 72,
"metadata": {},
"outputs": [],
"source": [
@ -83,7 +83,7 @@
},
{
"cell_type": "code",
"execution_count": 38,
"execution_count": 73,
"metadata": {},
"outputs": [
{
@ -218,7 +218,7 @@
},
{
"cell_type": "code",
"execution_count": 45,
"execution_count": 74,
"metadata": {},
"outputs": [
{
@ -272,7 +272,7 @@
}
],
"conversionMethod": "pd.DataFrame",
"ref": "5922a94b-2599-4b50-a82a-b7ba0c907a61",
"ref": "6df9d4d6-0a40-404e-b085-39cbd7b0c963",
"rows": [
[
"15251",
@ -335,7 +335,7 @@
"450",
"17.99",
"92",
"88.79909989039582"
"89.20378747679185"
],
[
"14595",
@ -447,7 +447,7 @@
"28",
"17.99",
"96",
"89.30806692369116"
"89.60745365568543"
],
[
"11451",
@ -461,7 +461,7 @@
"50",
"19.99",
"68",
"85.46326054861929"
"86.68910788534616"
],
[
"16976",
@ -566,7 +566,7 @@
"696",
"19.99",
"86",
"84.47340305190548"
"86.10011067019401"
],
[
"37115",
@ -601,7 +601,7 @@
"1084",
"19.99",
"84",
"83.92495287088245"
"85.49351318658027"
],
[
"12818",
@ -717,7 +717,7 @@
" <td>4598</td>\n",
" <td>59.99</td>\n",
" <td>92</td>\n",
" <td>28.455605</td>\n",
" <td>49.500000</td>\n",
" </tr>\n",
" <tr>\n",
" <th>27959</th>\n",
@ -748,14 +748,14 @@
"... ... ... ... ...\n",
"2652 55 14.99 74 90.615416\n",
"30351 41 9.99 82 85.367169\n",
"1810 4598 59.99 92 28.455605\n",
"1810 4598 59.99 92 49.500000\n",
"27959 115 2.99 73 74.155404\n",
"2864 15 4.99 86 74.231120\n",
"\n",
"[10142 rows x 4 columns]"
]
},
"execution_count": 45,
"execution_count": 74,
"metadata": {},
"output_type": "execute_result"
}
@ -777,9 +777,9 @@
"rule2 = ctrl.Rule(reviews['many'] & price['medium'], pos['high']) #avg\n",
"rule3 = ctrl.Rule(reviews['many'] & price['expensive'], pos['high']) \n",
"\n",
"rule4 = ctrl.Rule(reviews['few'] & price['cheap'], pos['high']) #avg\n",
"rule4 = ctrl.Rule(reviews['few'] & price['cheap'], pos['high']) \n",
"rule5 = ctrl.Rule(reviews['few'] & price['medium'], pos['higher']) #avg\n",
"rule6 = ctrl.Rule(reviews['few'] & price['expensive'], pos['low'])\n",
"rule6 = ctrl.Rule(reviews['few'] & price['expensive'], pos['average']) #low\n",
"\n",
"rule7 = ctrl.Rule(reviews['avg'] & price['cheap'], pos['average'])\n",
"rule8 = ctrl.Rule(reviews['avg'] & price['medium'], pos['high'])\n",
@ -800,13 +800,11 @@
"\n",
"fuzzy_sys = ctrl.ControlSystemSimulation(ctrl.ControlSystem(fuzzy_rules))\n",
"\n",
"#ТУТ ПОМЕНЯТЬ НАЗВАНИЯ СТОЛБЦОВ И НЕЧЁТКИХ ПЕРЕМЕННЫХ НА СВОИ\n",
"\n",
"def fuzzy_pred(row):\n",
" # al - нечёт. пер. ; al2o3 - столбец датасета\n",
" fuzzy_sys.input[\"reviews\"] = row[\"user_reviews\"]\n",
" fuzzy_sys.input[\"price\"] = row[\"price_original\"]\n",
" fuzzy_sys.compute()\n",
" # return fuzzy_sys.output[\"positive_ratio\"]\n",
" return fuzzy_sys.output[\"pos\"]\n",
"\n",
"from sklearn.model_selection import train_test_split\n",
@ -829,15 +827,15 @@
},
{
"cell_type": "code",
"execution_count": 46,
"execution_count": 75,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"R^2 = -0.6240120497062605\n",
"RMSE = 23.36652781503876\n"
"R^2 = -0.29858167190494145\n",
"RMSE = 20.894606342915804\n"
]
}
],
@ -845,9 +843,9 @@
"#Оценка\n",
"import math\n",
"from sklearn import metrics\n",
"print(f\"R^2 = {metrics.r2_score(result_test[\"positive_ratio\"], result_test[\"positive_ratio_pred\"])}\")\n",
"print(f\"R^2 = {metrics.r2_score(test[\"positive_ratio\"], result_test[\"positive_ratio_pred\"])}\")\n",
"print(f\"RMSE = {math.sqrt(\n",
" metrics.mean_squared_error(result_test[\"positive_ratio\"], result_test[\"positive_ratio_pred\"])\n",
" metrics.mean_squared_error(test[\"positive_ratio\"], result_test[\"positive_ratio_pred\"])\n",
")}\")"
]
},
@ -857,7 +855,7 @@
"source": [
"Оценки показали, что построенная нечёткая система плохо справляется с предсказанием соотношения положительных отзывов к негативным. \n",
"\n",
"Средняя квадратичная ошибка составляет почти 25%, что является большой ошибкой для диапазона от 0 до 100. \n",
"Средняя квадратичная ошибка составляет примерно 20%, что является достаточно большой ошибкой для диапазона от 0 до 100. \n",
"\n",
"Коэффициент детерминации получился отрицательным. Это означает, что система работает хуже, чем простое предсказание средним значением. Это говорит о том, что гипотезы о зависимости положительности отзывов от цены игры и количества отзывов, проявляемые в виде базы нечётких правил, неправильно отражают действительность. \n",
"\n",