Лабораторная работа по программированию (Необходимо сделать в Google Collab)

Порядок выполнения работы:

• Понимание проблемы бизнеса

• Импорт данных и требуемых библиотек

• Очистка данных, восстановление, если необходимо пропущенных данных

• Проверка распределения данных с использованием статистических методов (например pandas profiling)

• Проведение EDA и визуализация отобранных параметров (влияющих на целевую переменную)

• Разделение набора данных на обучающую и тестовую выборку

• Выдвижение гипотезы о возможных применимых алгоритмах машинного обучения

•  Обучение выбранных моделей (библиотека sklearn)

• Понимание выбранных параметров моделей, объяснить в комментариях

• Выполнение классификации или прогноза с использованием выбранной модели и тестовой выборки

• Оценить точность модели с использованием таких метрик как MAE, MSE, построить confusion matrix

• Выбрать наилучшую модель на основе вычисленных метрик

• Импорт необходимых библиотек: pandas, seaborn, plotly, matplotlib.pyplot , skealern

 • Определить какие параметры имеют пропущенные значения

 • Определить зависимость параметра с пропущенными значениями от прочих параметров и восстановить пропущенные значения

Задача:

 • Задача классификации объектов. Фактически нужно отнести целевую переменную Iris к одному из трех классов. Набор данных в папке Iris исходных данных.

• Параметры:

• Sepal length / sepal width: длина и ширина чашелистика

• Petal length / petal width: длина и ширина лепестка

• Iris целевая категориальная переменная (iris sentosa, iris versicolor, iris virginica)

• Возможные модели: Логистическая регрессия, Дерево решений, К-ближайших соседей, Байевский классификатор, SVM 

В Google Collab необходимо прописать еще и комментарии с выводами, бд скину в лс