پروژه داده کاوی ﻣﺪﻟﯽ ﺑﺮای ﭘﯿﺶ ﺑﯿﻨﯽ ﻋﻤﻠﮑﺮد داﻧﺶ آﻣﻮزان زبان ﺑﺎ رﮔﺮﺳﯿﻮن ﺧﻄﯽ پایتون

توضیحات

پروژه داده کاوی ﻣﺪﻟﯽ ﺑﺮای ﭘﯿﺶ ﺑﯿﻨﯽ ﻋﻤﻠﮑﺮد داﻧﺶ آﻣﻮزان زبان ﺑﺎ رﮔﺮﺳﯿﻮن ﺧﻄﯽ پایتون

ﻣﺠﻤﻮﻋﻪ داده ﭘﯿﻮﺳﺖ، ﺷﺎﻣﻞ وﯾﮋﮔﯽﻫﺎ و ﻋﻤﻠﮑﺮد داﻧﺶ آﻣﻮزان دوره ﻣﺘﻮﺳﻄﻪ در ﻣﺪارس ﻣﺨﺘﻠﻒ ﻣﯽ ﺑﺎﺷﺪ. ﺑﺎ اﺳﺘﻔﺎده از رﮔﺮﺳﯿﻮن ﺧﻄﯽ، ﻣﺪﻟﯽ ﺑﺮاي ﭘﯿﺶ ﺑﯿﻨﯽ ﻋﻤﻠﮑﺮد داﻧﺶ آﻣﻮزان G3 اراﺋﻪ دﻫﯿﺪ
ﻣﯿﺰان ﺧﻄﺎ را در ﻫﺮ ﯾﮏ از ﻣﺠﻤﻮﻋﻪ دده ﺗﺴﺖ و آﻣﻮزش ﺑﻪ ازاي 0.01 − 0.05 − 0.1 ﮔﺰارش ﮐﻨﯿﺪ . ﺗﻐﯿﯿﺮ ﭘﺎراﻣﺘﺮ ﯾﺎدﮔﯿﺮي α ﭼﻪ ﺗﺎﺛﯿﺮي ﺑﺮ ﺳﺮﻋﺖ ﻫﻤﮕﺮاﯾﯽ و دﻗﺖ ﻣﺪل ﺧﻮاﻫﺪ داﺷﺖ؟

ﺗﻮﺿﯿﺢ درﺑﺎره داده ﻫﺎي ﻏﯿﺮ ﻋﺪدي:
داده ﻫﺎي ﺑﺎﯾﻨﺮي را ﺑﻪ داده ﻫﺎي ﻋﺪدي 0و1 ﺗﺒﺪﯾﻞ ﻧﻤﺎﯾﯿﺪ.

این پروژه پایتون بدون استفاده از کتابخانه های مخصوص داده کاوی و با استفاده از داده های پیوست الگوریتم رگرسیون خطی کد نویسی شده است

نحوه اجرای پروژه:

 برای اجرای فایل main.py را توسط پایتون 3 اجرا کنید (از 2 پشتیبانی نمی شود). می توانید پارامترهای تعداد حلقه در یادگیری و نرخ یادگیری را در همین فایل تغیر دهید آنها به ترتیب max_iteration و alpha هستند. پس از اجرا میزان MSE نهایی نمایش داده می شود و نتیجه عددی هم در فایل result.csv ذخیره خواهد شد.

توضیحات کد:

 import csv

from random import uniform

وارد کردن ماژول فایل و رندوم ( کتابخانه های پیش فرض پایتون هستند و پردازشی انجام نمی دهند )

alpha = 0.1

max_iteration = 300

پارامتر های برنامه

set_true = [‘GP’, ‘F’, ‘U’, ‘GT3’, ‘A’, ‘yes’]

داده هایی که با عدد 1.0 عوض می شوند اگر داده ای عددی نبود و عضو این مجموعه هم نبود با 0.0 عوض می شود.

x = []

y = []

متغیر هایی که ورودی و هدف دیتاست را ذخیره می کنند

with open(‘Performance.csv’, encoding=’utf-8′) as file:

    csv_reader = csv.reader(file, delimiter=’,’, quotechar=’|’)

    next(csv_reader)

باز کردن فایل دیتاست و ایجاد شی iter_ روی آن

نتیجه تست alpha:

 مانند هر روش رگرسیون دیگری بر اساس آموزش گرادیانی. برای نرخ یادگیری یک مقدار بهینه وجود دارد و خارج شدن از محدوده آن می تواند منجر به under/over fit شود و یا حتی انفجار گرادیان رخ دهد که کد را با خطا مواجه می کند. در این مدل نزدیک شدن alpha به 0.1 منجر به کاهش خطای نهایی می شود و عبور از آن خطر انفجار گرادیان را بالا می برد و کاهش آن نیز منجر به underfit خواهد شد. در زیر نمودار روش برای alpha = 0.1 با استفاده از داده های خروجی عددی و اکسل رسم شده.

پروژه ﻣﺪﻟﯽ ﺑﺮای ﭘﯿﺶ ﺑﯿﻨﯽ ﻋﻤﻠﮑﺮد داﻧﺶ آﻣﻮزان زبان ﺑﺎ رﮔﺮﺳﯿﻮن ﺧﻄﯽ پایتون  توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.

سفارش پروژه مشابه

درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.

سفارش پروژه