Возможности библиотеки scikit-learn Python для реализации алгоритма k-means

Практическое задание 1

Тема 2.5. Возможности библиотеки scikit-learn Python для реализации алгоритма k-means

Задание

На основе готовых данных постройте модель классификации (деревья принятия решений) и визуализируйте ее в виде графа.

Рекомендации по выполнению задания

Алгоритм выполнения:

1.    Выбрать набор данных, содержащий не менее 10 атрибутов, отмеченный как набор, для задачи классификации с репозитория https://archive.ics.uci.edu/ml/datasets.php. Запрещено использовать выборку данных, представленную в электронном учебнике.

2.    Разделить набор данных на входные данные для модели и целевую переменную.

3.    Построить классификатор (дерево принятия решений).

4.    Изучить вклад переменных (важность переменных).

5.    Визуализировать дерево решений в виде графа.

6.    Сформировать отчет о проделанной работе.

7.    Добавить текстовое описание выполнения каждого этапа работы.

Отчет по работе формируется в двух форматах:

●       .ipynb;

●       .pdf (ipynb, сохраненный в формате .pdf).