TDA/labs/OATD_LR1.md

Лабораторная работа №1. Бинарная классификация фактографических данных

Цель работы

Получить практические навыки решения задачи бинарной классификации данных в среде Jupyter Notebook. Научиться загружать данные, обучать классификаторы и проводить классификацию. Научиться оценивать точность полученных моделей.

Задание

1. В среде Jupyter Notebook создать новый ноутбук (Notebook)

2. Импортировать необходимые для работы библиотеки и модули

3. Загрузить данные в соответствие с вариантом

4. Вывести первые 15 элементов выборки (координаты точек и метки класса)

5. Отобразить на графике сгенерированную выборку. Объекты разных классов должны иметь разные цвета.

6. Разбить данные на обучающую (train) и тестовую (test) выборки в пропорции 75% - 25% соответственно.

7. Отобразить на графике обучающую и тестовую выборки. Объекты разных классов должны иметь разные цвета.

8. Реализовать модели классификаторов, обучить их на обучающем множестве. Применить модели на тестовой выборке, вывести результаты классификации:

   • Истинные и предсказанные метки классов
   • Матрицу ошибок (confusion matrix)
   • Значения полноты, точности, f1-меры и аккуратности
   • Значение площади под кривой ошибок (AUC ROC)
   • Отобразить на графике область принятия решений по каждому классу

В качестве методов классификации использовать:

* Метод к-ближайших соседей (`n_neighbors` = {1, 3, 9})
* Наивный байесовский метод
* Случайный лес (`n_estimators` = {5, 15, 50})

9. По результатам п.8 занести в отчет таблицу с результатами классификации всеми методами.
10. Изучить, как изменится качество классификации в случае другого разбиения выборки на обучающую и тестовую. Для этого повторить пункты 6, передав в параметр random_state новое значение, и пункты 8-9 дважды.
11. По результатам трех экспериментов составить итоговую таблицу о качестве классификаци каждым методом, включив в нее значения полноты, точности, f1-меры, аккуратности и площади под кривой ошибок. Сделать выводы о наиболее подходящем методе классификации ваших данных

Варианты заданий

Объем выборки для всех вариантов – n_samples = 1000 объектов.

Вариант	1	2	3	4	5	6	7	8
Вид классов	blobs	blobs	blobs	blobs	moons	moons	moons	moons
random_state	34	28	41	23	41	23	77	15
cluster_std	1.5	4.5	3	5	-	-	-	-
noise	-	-	-	-	0.25	0.3	0.25	0.2
centers	2	2	2	2	-	-	-	-

Вариант	9	10	11	12
Вид классов	classification	classification	classification	classification
random_state	78	58	15	30
class_sep	0.45	0.7	0.6	1.0

Для всех вариантов, использующих для генерации make_classification, дополнительные параметры: n_features=2, n_redundant=0, n_informative=1, n_clusters_per_class=1,

Контрольные вопросы

1. Постановка задачи классификации данных. Что такое бинарная классификация?
2. Общий алгоритм решения задачи классификации данных.
3. Чем отличаются обучающая и тестовая выборки? Какие существуют способы формирования обучающей и тестовой выборок?
4. Как рассчитываются значения полноты и точности классификации?
5. Как рассчитывается значение площади под кривой ошибок?
6. Что показывает и как рассчитывается матрица ошибок?
7. Алгоритм и особенности метода к-ближайших соседей.
8. Алгоритм и особенности метода случайного леса.