Основи машинного навчання

1. Андрєєв Владислав Олегович
2. Вишневецький Володимир Максимович
3. Волино Руслан Сергійович
4. Городничий Максим Едуардович
5. Грачов Богдан Костянтинович
6. Кологривов Дмитро Олександрович
7. Мірошник Олег Олегович
8. Пахомов Владислав Ігорович
9. Савенко Богдан Сергійович
10. Атаян Армен Сергоєвич
11. Бучинський Ярослав Михайлович
12. Зубков Ярослав Сергійович
13. Ващилін Никита Олександрович
14. Волович Артем Романович
15. Гетало Данило Сергійович
16. Демченко Артем Юрійович
17. Коваль Роман Євгенович
18. Матвійчук Віталій Вікторович
19. Постарнак Артем Сергійович
20. Романова Влада Дмитрівна
21. Сидоренко Дмитро Павлович
22. Ткачук Роман Романович
23. Шелельо Ілля Владиславович
24. Вітлянчук Кирил Володимирович
25. Крамарчук Катерина Романівна
26. Хуповка Ярослава Андріївна
27. Шевчук Олексій Леонтійович
28. Душин Богдан Олександрович
29. Михайлов Олег Олександрович

Завдання 

1. https://archive.ics.uci.edu/ml/datasets/Abalone

2. https://archive.ics.uci.edu/ml/datasets/Adult

3. https://archive.ics.uci.edu/ml/datasets/Balance+Scale

4. https://archive.ics.uci.edu/ml/datasets/Car+Evaluation

5. https://archive.ics.uci.edu/ml/datasets/Chess+%28King-Rook+vs.+King-Pawn%29

6. https://archive.ics.uci.edu/ml/datasets/Credit+Approval

7. https://archive.ics.uci.edu/ml/datasets/Japanese+Credit+Screening

8. https://archive.ics.uci.edu/ml/datasets/Cylinder+Bands

9. https://archive.ics.uci.edu/ml/datasets/Glass+Identification

10. https://archive.ics.uci.edu/ml/datasets/Horse+Colic

11. https://archive.ics.uci.edu/ml/datasets/Ionosphere

12. https://archive.ics.uci.edu/ml/datasets/Wine

13. https://archive.ics.uci.edu/ml/datasets/HCV+data

14. https://archive.ics.uci.edu/ml/datasets/Chemical+Composition+of+Ceramic+Samples

15. https://archive.ics.uci.edu/ml/datasets/Dry+Bean+Dataset

16. https://archive.ics.uci.edu/ml/datasets/Early+stage+diabetes+risk+prediction+dataset 

17.  https://archive.ics.uci.edu/dataset/360/air+quality

18. https://archive.ics.uci.edu/dataset/275/bike+sharing+dataset
    

19. https://archive.ics.uci.edu/dataset/162/forest+fires
    

20. https://archive.ics.uci.edu/dataset/242/energy+efficiency
    

21. https://archive.ics.uci.edu/dataset/555/apartment+for+rent+classified
    

22. https://archive.ics.uci.edu/dataset/563/iranian+churn+dataset
    

23. https://archive.ics.uci.edu/dataset/882/large-scale+wave+energy+farm
    

24. https://archive.ics.uci.edu/dataset/368/facebook+metrics
    

25. https://archive.ics.uci.edu/dataset/608/traffic+flow+forecasting
    

26. https://archive.ics.uci.edu/dataset/851/steel+industry+energy+consumption
    

27. https://archive.ics.uci.edu/dataset/316/condition+based+maintenance+of+naval+propulsion+plants
    

28. https://archive.ics.uci.edu/dataset/243/yacht+hydrodynamics
    

29. https://archive.ics.uci.edu/dataset/846/accelerometer
    

Для обраного згідно варіанта набору даних виконати такі завдання.

1. Виконати описовий аналіз даних. Побудувати діаграми розподілу суттєвих ознак. Побудувати діаграму розподілу цільової змінної. Побудувати точкові 2D та 3D діаграми взаємного розподілу цільової ознаки та деяких незалежних ознак. Будь-які діаграми, що дають додаткове розуміння даних. Вивести таблицю статистик ознак.  Словами описати сутність задачі. (10 балів)

2. Виконати аналіз збалансованості або аналіз діапазону розподілу значень ознак. Визначити необхідність застосувати методи балансування класів або нормалізації даних. (5 балів)

3. Виконати попередню обробку даних. Може включати етапи нормалізації, кодування категорійних значень. (5 балів)

4. Виконати розподіл на набори даних для тренування та тестування. Застосувати кросвалідацію. (5 балів) 

5. Побудувати модель класифікації або регресор (будь-які методи з sklearn, краще - декілька). (5 балів)

6. Виконати оцінку точності побудованої моделі на тестових даних. Застосувати confusion matrix, F1 score, MAPE, R^2. (5 балів)

7. Налаштувати параметри моделі та отримання більшої точності моделі.  Провести декілька обчислювальних експериментів. (5 балів)

Завдання виконуються у Colab або Kaggle notebook. Всі етапи виконання слід коментувати блоком тексту. Посилання на остаточний варіант відповіді слід завантажити у Moodle.