LAB_TMO_ENSEMBLES

Лабораторная работа

Ансамбли моделей машинного обучения.

Цель лабораторной работы: изучение ансамблей моделей машинного обучения.

Требования к отчету:

Отчет по лабораторной работе должен содержать:

1. титульный лист;
2. описание задания;
3. текст программы;
4. экранные формы с примерами выполнения программы.

Задание:

1. Выберите набор данных (датасет) для решения задачи классификации или регресии.

2. В случае необходимости проведите удаление или заполнение пропусков и кодирование категориальных признаков.

3. С использованием метода train_test_split разделите выборку на обучающую и тестовую.

4. Обучите следующие ансамблевые модели:

   • одну из моделей группы бэггинга (бэггинг или случайный лес или сверхслучайные деревья);
   • одну из моделей группы бустинга;
   • одну из моделей группы стекинга.

5. (+1 балл на экзамене) Дополнительно к указанным моделям обучите еще две модели:

   • Модель многослойного персептрона. По желанию, вместо библиотеки scikit-learn возможно использование библиотек TensorFlow, PyTorch или других аналогичных библиотек.
   • Модель МГУА с использованием библиотеки - https://github.com/kvoyager/GmdhPy (или аналогичных библиотек). Найдите такие параметры запуска модели, при которых она будет по крайней мере не хуже, чем одна из предыдущих ансамблевых моделей.

6. Оцените качество моделей с помощью одной из подходящих для задачи метрик. Сравните качество полученных моделей.