Реализация модели линейной регрессии без использования специальных библиотек для задачи прогнозирования цены автомобиля в зависимости от пробега; регуляризация; MSE, R-squared statistic; визуализация функций потерь и предсказаний цены по данной выборке
Для копирования файлов Проекта на локальный компьютер в папку <your_dir_on_local_computer> выполните:
$ git clone [email protected]:dbadeev/ft_linear_regression.git <your_dir_on_local_computer>
- ft_linreg_en.pdf - текст задания
- requirements.txt - список библиотек, необходимый для работы
- data.csv - файл с данными по машинам (пробег/стоимость)
- train.py - программа обучения модели
- predict.py - программа, предсказывающая цену машины по ее пробегу
- После установки необходимых библиотек, сначала выполняется обучение модели на имеющихся данных запуском программы train.py.
Чтобы вывести на экран информацию о параметрах, из папки <your_dir_on_local_computer> выполните train.py с ключом -h:
$ python3 train.py -h
usage: train.py [-h] [--path PATH] [--loss_control LOSS_CONTROL] [--epochs EPOCHS] [--learning_rate ETA] [--loss_graphics]
[--predict_data] [--animation] [--debug] [--quality]
options:
-h, --help show this help message and exit
--path PATH, -p PATH Path to data file (data.csv by default)
--loss_control LOSS_CONTROL, -l LOSS_CONTROL
Epoch iterations will stop while gets loss_control value(1e-12 by default)
--epochs EPOCHS, -e EPOCHS
Set the epochs number (1500 by default)
--learning_rate ETA, -a ETA
Set the learning rate eta (0.2 by default)
--loss_graphics, -g Diagram with loss function depends on epochs
--predict_data, -t Diagram with data values and line prediction
--animation, -c Animation with prediction evolution while training
--debug, -d Print info about each stage of program
--quality, -q Model quality (R-square, MSE)
- После успешной отработки программы обучения модели будет сформирован файл coefs.csv, в котором будут записаны найденные коэффициенты формулы вычисления предсказания цены автомобиля по заданному пробегу.
В случае ошибки, будет выдано соответствующее сообщение. - Для получения информации о параметрах программы, предсказывающей примерную цену автомобиля в зависимости от пробега, из папки <your_dir_on_local_computer> выполните predict.py с ключом -h:
$ python3 predict.py -h
usage: predict.py [-h] [--debug] [--mileage MILEAGE]
options:
-h, --help show this help message and exit
--debug, -d Print info about each stage of program
--mileage MILEAGE, -m MILEAGE
Car mileage for price prediction (non-negative int)
4. После успешной отработки программы предсказания, на экран будет выведена информация о примерной стоимости автомобиля с указанным пробегом.
В случае ошибки, будет выдано соответствующее сообщение.
Подробнее о Проекте, примеры использования - по ссылке Wiki (https://github.com/dbadeev/ft_linear_regression/wiki).
loram (Дмитрий Бадеев)
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent