Лабораторная работа разбор готового датасета

Задание. 

1. Выбрать датасет:
2.  https://www.kaggle.com/datasets  
3. https://datasetsearch.research.google.com/ 
4. https://github.com/awesomedata/awesome-public-datasets 
5. Разобрать датасет. Пример разбора https://neurohive.io/ru/osnovy-data-science/razbor-resheniya-zadachi-titanik-na-kaggle-dlya-nachinajushhih/ 
6. Сформулировать задачу с точки зрения анализа данных (см. примеры решенных задач [16]).
7. С использованием не менее 3х алгоритмов машинного обучения провести анализ данных.
8. С помощью метрики ROC-AUC построить таблицу сравнения эффективности алгоритмов на выбранном датасете. 

Пример оформления лабораторных работ (без таблицы сравнения)

https://colab.research.google.com/drive/1f97qH25fzvj1dXpZ76yTYTD6ZR6nPPA3?usp=sharing 

Варианты алгоритмов и максимальное количество баллов за их реализацию

Группа 1.

• Наивный Байесовский классификатор
• K-nearest neighbors
• Learning vector quantization
• Linear discriminant analysis
• Логистическая регрессия
• Метод опорных векторов
• Линейная регрессия

Группа 2.

• Решающее дерево
• Случайный лес
• Градиентный бустинг, 
• бустинг и AdaBoost

Группа 3. Нейросети 

• CNN Convolutional Neural Network (сверточная нейронная сеть) 
• RNN Recurrent Neural Networks (рекуррентные нейронные сети)
• LSTM Long short-term memory (сети долгой краткосрочной памяти)
• DNN Deconvolutional Neural Network (
• R-CNN Regions With CNNs 
•