Первое зачетное задание:
Загрузить из интернета котировки любого биржевого инструмента (акции, облигации, валюты и т.п.) так, чтобы имелось не менее 300 котировок. Загрузить можно, например, с сайта компании Финам: в разделе Котировки www.finam.ru/quotes выбрать конкретный инструмент и открыть его страничку. В меню (вертикально слева на страничке) выбрать пункт "Экспорт котировок" и на открывшейся страничке загрузить файл (пример настройки файла показан на скриншоте). Для исключения повторений по ссылке размещена таблица, в которой каждый должен напротив своей фамилии проставить тикер (четырехбуквенный код) выбранного актива. Соответственно, перед началом работы необходимо проверить в данной таблице, не выбран ли актив кем-либо ранее. Использовать цены дневного закрытия.
https://docs.google.com/spreadsheets/d/1B2-gBUodNu3lv..
2. Импортировать указанные котировки в датасет Python, либо в пакет Statistica.
3. Построить оптимальную модель полиномиальной регрессии. Выбор степени полинома должен быть обоснован.
4. Вывести оценки качества полученной модели MSE и R2. Указанные оценки должны быть получены на тестовой выборке.
5. Построить график, визуализирующий исходные данные и построенную регрессию.
Второе зачетное задание:
Указанный файл содержит выборку объемом 50 объектов, каждый из которых характеризуется четырьмя числовыми признаками (столбцы 'Feature_1', 'Feature_2', 'Feature_3', 'Feature_4') и относится к одному из четырех классов (столбец 'Class').
Загрузить полученные данные в датасет Python или в пакет Statistica.
2. Построить оптимальный классификатор Дерево решений. Обосновать выбор гиперпараметров.
3. Для построенного классификатора построить матрицу ошибок классификации.
Гарантия на работу | 1 год |
Средний балл | 4.96 |
Стоимость | Назначаете сами |
Эксперт | Выбираете сами |
Уникальность работы | от 70% |