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

Практическое задание 2

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

Задание

С использованием готового набора данных обучите 3 модели классификации и сравните их точность работы.

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.    Загрузить выбранный набор данных.

3.    Произвести исследовательский анализ данных:

●       получить объём исследуемых данных;

●       получить число атрибутов и их типы данных;

●       посмотреть распределение числа примеров классов;

●       выполнить преобразование категориальных атрибутов;

●       заполнить пропущенные значения в выборке.

4.    Разделить набор данных на обучающую и тестовую выборки и объяснить это разбиение.

5.    Обучить модели классификации на основе трёх алгоритмов машинного обучения (по выбору слушателя курса), отметить, почему были выбраны эти алгоритмы.

6.    Оценить эффективность моделей на тестовой выборке с помощью матрицы неточностей, критериев полноты Recall и точности Precision.

7.    Представить текстовое описание выполнения каждого этапа работы.

Отчет по работе формируется в двух форматах:

●       .ipynb;

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