Задача python

1. Запустите IDLE.

2. Создайте новый файл.

3. Внесите в него следующий код:

from sklearn import neighbors

from sklearn.metrics import confusion_matrix

predictors = np.random.random(1000).reshape(500,2)

target = np.around(predictors.dot(np.array([0.4, 0.6])) + np.random.random(500))

clf = neighbors.KNeighborsClassifier(n_neighbors = 10)

knn = clf.fit(predictors, target)

print(knn.score(predictors, target))

prediction = knn.predict(predictors)

print(confusion_matrix(target, prediction))

4. Выполните код. Сделайте скриншот и внесите его в документ ворд.

5. Измените код так, чтобы выводу значения метрики соответствия модели и матрицы несоответсвий предшествовали поясняющие это слова.

6. Выполните код. Сделайте скриншот и внесите его в ворд.

7. Выполните 10 итераций для переменных "predictors", "target" и "clf", изменяя условия их формирования. Входные данные (условия формирования) и измерения (результаты) занести в таблицу (Excel). Посчитатйте в матрице число правильно и неправильно распознанных примеров

8. Сделайте выводы о влиянии изменений условий формирования на качество модели. Найдите средние, минимальные и максимальные значения результатов.

9. Постройте графики результатов в Excel.