3. Изучение набора данных вашего варианта:

3.1. Оцените и опишите набор данных вашего варианта с использованием методов, рассмотренных ранее. Сделайте выводы о кол-во классов, наличию выбросов, пересечении классов, и т.Д.

Для начала загрузим данные из файла в датафрейм и уберем лишний первый столбец. Далее заменим метки классов: 0 – Iris-setosa, 1 – Iris-versicolor, 2 – Iris-virginica, и выведем основные статистические характеристики. Реализация приведена в Листинге 3.1.1. Результат представлен в Листинге 3.1.2.

Листинг 3.1.1 – Загрузка датасета и вывод характеристик.

df = pd.read_csv("lab1_var1.csv", index_col=0) df["label"] = df["label"].replace([0, 1, 2], ["Iris-setosa", "Iris-versicolor", "Iris-virginica"]) print(df.describe())

Листинг 3.1.2 – Статистические характеристики датасета.

	var1	var2	var3	var4	label
count	200.000000	200.000000	200.000000	200.000000	200.000000
mean	0.116475	-0.110263	-0.167975	0.035150	0.995000
std	2.725473	2.707951	3.729149	2.649211	0.817506
min	-5.467196	-4.597760	-7.753001	-4.694267	0.000000
25%	-2.523431	-2.785206	-3.393294	-2.346640	0.000000
50%	0.338841	-0.496754	0.429499	0.124045	1.000000
75%	2.689858	2.513700	2.989684	2.504390	2.000000
max	4.439297	5.207049	7.338198	4.814143	2.000000

Реализация построения графиков оценки ядерной плотности, диаграмм рассеивания и двумерной оценки ядерной плотности каждого признака представлена в Листинге 3.1.3. Результаты приведены на Рисунке 3.1.4.

Листинг 3.1.3 – Реализация построения графиков оценки ядерной плотности, диаграмм рассеивания и двумерной оценки ядерной плотности каждого признака.

g = sns.PairGrid(df, hue="label", palette="tab10", diag_sharey=False) g.map_upper(sns.scatterplot) g.map_lower(sns.kdeplot) g.map_diag(sns.kdeplot) g.add_legend() plt.show()

Рисунок 3.1.4 – Графики оценки ядерной плотности, диаграммы рассеивания и двумерной оценки ядерной плотности каждого признака

На графиках видно, что iris-setosa четко отделяется от остальных классов по переменным var2 и var3. В диаграммах рассеяния можно наблюдать, как его точки образуют отдельные кластеры. Ядерная оценка плотности также подтверждает, что распределение этого класса не пересекается с другими. Iris-versicolor и iris-virginica, напротив, имеют значительное перекрытие, особенно по переменным var1 и var4. Это хорошо заметно на диаграммах рассеяния, где их точки накладываются друг на друга. Контурные линии KDE подтверждают частичное пересечение этих двух классов, что может затруднить их классификацию. В некоторых распределениях можно увидеть точки, значительно удаленные от основной массы данных, что может указывать на наличие выбросов. Например, по переменным var3 и var4 видно, что некоторые точки выходят за пределы основных плотностей распределений, особенно у iris-virginica. Также между некоторыми переменными наблюдается линейная зависимость, например, между var1 и var3. В проекциях классы располагаются вдоль диагональных линий, что указывает на возможные корреляции между переменными.

Построение гистограмм распределения для каждого признака с графиком ядерной оценки плотности представлено в Листинге 3.1.5. Результат приведен на Рисунке 3.1.6.

Листинг 3.1.5 – Реализация построения гистограмм распределения для каждого признака с графиком ядерной оценки плотности.

fig, axes = plt.subplots(1, 4, figsize=(20, 5)) for ax, column in zip(axes, df.columns[:-1]): sns.histplot(data=df, x=column, hue='label', bins=15, multiple='layer', element='step', ax=ax, kde=True) fig.suptitle(f'Распределение признаков с графиком ядерной оценки плотности') plt.tight_layout() plt.show()

Рисунок 3.1.6 – Гистограммы распределения для каждого признака с графиком ядерной оценки плотности

По гистограмме можно сказать, что iris-setosa четко отделяется, тогда как iris-versicolor и iris-virginica частично пересекаются, что усложняет их классификацию. Var3 наиболее информативен, так как лучше всего разделяет классы, тогда как var4 имеет значительное перекрытие и может быть менее полезен. В некоторых признаках, особенно в var3, видно два пика в распределении и возможные выбросы.