Лаб-3
.docxМИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ, СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования «САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ им. проф. М.А. БОНЧ-БРУЕВИЧА» (СПБГУТ) Факультет информационных сетей и систем Кафедра сетей связи и передачи данных |
|||||
|
|||||
ОТЧЕТ к лабораторной работе № 3 |
|||||
По дисциплине: |
Искусственный интеллект в сетях связи |
||||
|
|
||||
Тема работы: |
Выборка данных для обучения нейронной сети в |
||||
|
Microsoft Machine Learning Studio |
||||
|
|||||
|
|||||
|
|
|
Работу выполнили студенты |
||
|
|
|
группы |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
||
|
|
|
|
||
|
|
|
Проверил: |
||
|
|
|
Доцент кафедры ССиПД |
||
|
|
|
Березкин Александр Александрович |
||
Санкт-Петербург 2022 |
|||||
В соответствии с заданием была построена модель для анализа данных из пользовательского датасета life.exp из которого посредством модуля Select Columns in Dataset были выбраны следующие поля: LifeExpectancyFemale, GNIperCapita, UnemploymentFemale, UrbanPopulation,FertilityRate, Tuberculosis, Undernourishment, OverweightFemale. Модель обучалась на основе алгоритма Neural Network Regression
В модуле Select Columns in Dataset поочерёдно исключались поля FertilityRate, UrbanPopulation, Tuberculosis.
Параметры |
Coefficient of Determination |
Все параметры |
0.779076 |
Без FertilityRate |
0.439134 |
Без UrbanPopulation |
0.73596 |
Без Tuberculosis |
0.682956 |
Из полученных результатов можно сделать вывод о степени влияния каждого из предикторов в данной модели. Наиболее сильно на точность определения продолжительности жизни влияет уровень фертильности, исключение именно данного предиктора привело к существенному снижению коэффициента детерминации. Наименее значимым для модели оказался показатель урбанизации.