Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации

ордена Трудового Красного Знамени Федеральное государственное бюджетное образовательное учреждение высшего образования

«Московский технический университет связи и информатики»

(МТУСИ)

Дисциплина «Системы искусственного интеллекта»

Отчёт по практической работе №2

Выполнил:

Проверил:

Москва 2025

Содержание

Цель и задачи работы 3

Ход работы 4

Вывод 11

Цель и задачи работы

Целью практической работы является изучение моделей машинного обучения для задачи регрессии.

Выполните предварительную обработку и анализ набора данных.

Затем вам необходимо выбрать 3 модели машинного обучения, которые могут решать задачу регрессии, и обучить их на основе данного набора данных. Обязательным условием является построение графика изменения loss для каждой из выбранных моделей. В результате выполнения работы необходимо сделать вывод, какая из моделей лучше подошла для решения поставленной задачи.

Ход работы

Сначала загрузим данные и посмотрим на них (рисунок 1).

Рисунок 1 – Загрузка данных

Затем преобразуем эти данные (рисунок 2).

Рисунок 2 – Преобразование данных

Рисунок 3 – Преобразованные данные

Разделим данные на обучающие и тестовые (рисунок 4).

Рисунок 4 – Разделение данных

Напишем линейную регрессию с SGD (рисунок 5).

Рисунок 5 - Линейная регрессия с SGD

MSE и график loss на рисунке 6.

Рисунок 6 - MSE и график loss

Напишем XGBoost Regressor (рисунок 7).

Рисунок 7 - XGBoost Regressor

MSE и график loss на рисунке 8.

Рисунок 8 - MSE и график loss

Напишем градиентный бустинг (рисунок 9).

Рисунок 9 – Градиентный бустинг

MSE и график loss на рисунке 10.

Рисунок 10 - MSE и график loss

Вывод

По полученным результатам можно сказать, что всех лучше справилась модель XGBoost Regressor с результатом среднеквадратичной ошибки (MSE) 581237120, что равняется примерно 24000. То есть средняя ошибка в предсказании цен ноутбуков 24000 рублей.