Благодарю автора за ответственное отношение к выполнению заказа.
Информация о работе
Подробнее о работе
Разработка модели машинного обучения для решения задачи бинарной классификации. Python
- 37 страниц
- 2018 год
- 18 просмотров
- 3 покупки
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Катастрофа Титаника является одним из самых печально известных кораблекрушений в истории. 15 апреля 1912 года во время своего первого рейса «Титаник» затонул после столкновения с айсбергом, убив 1502 из 2224 пассажиров и экипажа. Эта сенсационная трагедия потрясла международное сообщество и привела к улучшению правил безопасности судов.
Одной из причин, по которой кораблекрушение привело к такой гибели людей, было то, что для пассажиров и экипажа было недостаточно спасательных шлюпок. Несмотря на некоторый элемент удачи, связанный с выживанием, некоторые группы людей с большей вероятностью выживают, чем другие (к примеру, женщины, дети, высший класс).
В этой задаче я изучил вероятности выживания различных пассажиров с помощью методов машинного обучения.
Данная работа посвящена анализу данных и различным моделям машинного обучения, способным работать с бинарной классификацией.
В курсовом проекте необходимо решить следующие задачи:
– Изучить теоретические основы машинного обучения;
рассмотреть машинной обучение на языке программирования Python;
разработать модель машинного обучения, способную достаточно точно классифицировать данные;
оценить точность работы моделей машинного обучения.
В первой части отчёта описаны теоретические выкладки на тему машинного обучения. Во второй части отчёта описана реализация средств машинного обучения и анализа данных на языке Python. В третьей части отчёта описано выполнение конкретной задачи, производится анализ данных, выбор моделей, оценка результатов.
Введение 4
1 Теоретические выкладки по теме машинного обучения 5
1.1 Определение машинного обучения 5
1.2 Общая постановка задачи обучения по прецедентам 5
1.3 Способы машинного обучения 6
1.4 Классические задачи, решаемые с помощью машинного обучения 7
1.5 Типы входных данных при обучении 8
1.6 Типы функционалов качества 8
1.7 Практические сферы применения 8
2 Машинное обучение на языке Python 10
2.1 Библиотеки для работы с данными: NumPy, Pandas 10
2.2 Библиотеки для визуального представления: Matplotlib, Seaborn 11
2.3 Библиотека Scikit-learn 12
2.4 IPython и Jupyter notebook 13
3 Описание основной программы 15
3.1 Поставновка задачи 15
3.2 Импорт библиотек и подготовка данных 16
3.3 Выбор и обучение модели 31
Заключение 33
Список использованных источников 34
Приложение А. Код проекта 35
Курсовой проект 37 страниц, 47 рисунков, 8 источников.
Ключевые слова: машинное обучение, модели, параметры, данные, набор данных, корреляция.
Объект исследования: наборы данных и модели машинного обучения
Предмет исследования: использование библиотек в языке Python для анализа и подготовки данных, создания и обучения моделей машинного обучения.
Цель курсового проекта: разработка модели машинного обучения для решения задачи бинарной классификации.
Выводы: разработана модель машинного обучения, способная достаточно точно классифицировать данные.
Список использованных источников
1 Online community of data scientists and machine learners [Electronic resource] / Google, Inc., 2017. – Мode of access: https://www.kaggle.com. – Data of access: 25.10.2018.
2 Free software machine learning library [Electronic resource] / David Cournapeau, 2013. – Мode of access: https://scikit-learn.org. – Data of access: 30.11.2018
3 Машинное обучение — это легко [Электронный ресурс] / Д. Патыко // Статья на форуме – 2017. – 17 января. – URL: https://habr.com/post/319288/ – Дата доступа: 15.11.2018.
4 Универсальная интернет-энциклопедия [Электронный ресурс] / Д. Уэйлс, Л. Сэнгер, 2001. – Режим доступа: https://ru.wikipedia.org. – Дата доступа: 15.11.2018.
5 Рашка, С.В. Python и машинное обучение/ Д. Мовчан. – М.: ДМК Пресс, 2017. – 418 c.
6 МакГрат, М. Программирование на Python для начинающих : Пер. с анг. / М. МакГрат. – М. :Эксмо, 2015. – 192с.
7 Саммерфилд, М. Программирование на Python 3. Подробное руководство : Пер. с анг. / М. Саммерфилд. – СПб.: Символ-Плюс, 2009. – 608с.
8 Vernon L. Ceder. The Quick Python Book / Vernon L. Ceder. –NY. : Manning Publications , 2010. – 362с.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
