2 задания:
Задание
Сгенерируйте набор данных и проведите его кластеризацию по методу k-means с использованием разных метрик. Результаты кластеризации визуализируйте.
Рекомендации по выполнению задания
Алгоритм выполнения:
- Сгенерировать набор данных, подвергаемых кластеризации, с использованием функции make_blobs().
- Выполнить кластеризацию данных с использованием алгоритма k-means.
- Визуализировать результат кластеризации, выделив цветом принадлежность объектов к кластерам и показав центры кластеров.
- Повторить кластеризацию с использованием разных метрик (Евклида, Чебышева, расстояния Манхэттена).
- Представить текстовое описание выполнения каждого этапа работы
Отчет по работе формируется в двух форматах:
- .ipynb;
- .pdf (ipynb, сохраненный в формате .pdf).
Формулировка задания:
Сгенерировать набор данных для построения регрессионной модели и обучить на этих данных нейронную сеть прямого распространения.
Рекомендации по выполнению задания
Алгоритм выполнения:
- Сгенерировать исходный набор данных. Для этого необходимо воспользоваться одним из генераторов библиотеки sklearn (https://scikit-learn.org/stable/modules/classes.html#module-sklearn.datasets из раздела Samples generator).
- Разделить исходную выборку данных на массив X независимых переменных и вектор значений y зависимой переменной.
- Разделить данные на обучающую и тестовую выборки.
- Задать параметры нейронной сети (обосновать выбор параметров) и произвести ее обучение. При этом необходимо:
- нормировать исходные данные в зависимости от выбранных параметров нейронной сети;
- замерить время, потребовавшееся на обучение нейронной сети;
- вывести итоговые значения весовых коэффициентов.
- Определить точность работы нейронной сети на тестовой выборке:
- рассчитать коэффициент детерминации;
- рассчитать среднюю квадратичную ошибку.
- Представить текстовое описание выполнения каждого этапа работы.
Отчет по работе формируется в двух форматах:
- .ipynb;
- .pdf (ipynb, сохраненный в формате .pdf).