отчет. Н. Ф. Гусарова, Н. В

• Название: Н. Ф. Гусарова, Н. В
• Анкор: отчет
• Дата: 19.02.2022
• Размер: 2.27 Mb.
• Имя файла: 2536.docx
• Тип: Документы; #367348
• страница: 7 из 19

ЦЕЛЬ РАБОТЫ

Реализовать алгоритм по отбору признаков на выбранном наборе данных.

ЗАДАНИЕ НА ПРАКТИЧЕСКУЮ РАБОТУ И ПОРЯДОК ВЫПОЛНЕНИЯ

1. 
   Выбрать предметную область и набор данных, согласовать выбор с пре- подавателем. Можно использовать репозиторий ресурса http://archive.ics.uci.edu/ml/.
   
2. 
   Выбрать алгоритм отбора признаков, согласовать выбор с преподавате- лем.
   
3. 
   Реализовать алгоритм по отбору признаков на выбранном наборе дан- ных. Выбор способа реализации алгоритма предоставляется студенту.
   
4. 
   Проверить качество реализованного отбора признаков с помощью од- ного из критериев.
   

ПРИМЕР ВЫПОЛНЕНИЯ РАБОТЫ

Для выполнения лабораторной работы был выбран датасет, содержа- щий показатели исследуемых пациентов, у которых был диагностирован рак молочной железы. Датасет взят из архива UCI: https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Coimbra#.

Описание отобранного датасета:

Существует 10 предикторов, все количественные, и бинарная зави- симая переменная, указывающая на наличие или отсутствие рака молочной железы. Предикторами являются антропометрические данные и параметры, которые могут быть собраны при анализе крови.

Атрибуты:

1. 
   Age (years) – возраст.
   
2. 
   BMI (kg/m2) – индекс массы тела.
   
3. 
   Glucose (mg/dL) – уровень сахара в крови.
   
4. 
   Insulin (µU/mL) – содержание инсулина в организме.
   
5. 
   HOMA – индекс инсулинорезистентности.
   
6. 
   Leptin (ng/mL) – содержание лептина в организме.
   
7. 
   Adiponectin (µg/mL) – гормон адипонектин.
   
8. 
   Resistin (ng/mL) – гормон резистин.
   
9. 
   MCP-1(pg/dL) – содержание компонента MCP-1.
   

Рис. 2.1. Пример данных из датасета Импортируем необходимые модули и библиотеки:


Для работы с данными осуществим необходимые преобразования:
Отбор признаков будем осуществлять на основе их важности. Пер- вым методом выберем линейную регрессию. Используем функцию Line- arRegression. Для оценки точности алгоритма линейной регрессии будем ис- пользовать RMSE.


Полученный коэффициент точности равен 0,98614.

В результате проделанной работе получили следующий результат:




Самыми показательными параметрами получились содержание са- хара в крови и гормон резистин.В качестве второго метода для отбора при- знаков выберем метод случайного леса.

Ансамблевые алгоритмы на основе деревьев решений, такие как слу- чайный лес (random forest), позволяют оценить важность признаков.

В результате выявили два важных признака: резистин и содержание сахара в крови. Получили результат RMSE равный 0.6213, что намного меньше в сравнении с оценкой алгоритма линейной регрессии. Значит, ме- тод случайного леса является более точным для отбора признаков.