Калибровка вероятностей классификаторов

Описание проекта

Проект выполнен в рамках учебной практики по Python и анализу данных.

В работе исследуется калибровка вероятностных предсказаний модели машинного обучения с использованием библиотеки scikit-learn. Выполнено сравнение вероятностей до и после калибровки на синтетическом и внешнем датасетах.

Используемые технологии

• Python 3.14
• JupyterLab
• pandas
• numpy
• matplotlib
• scikit-learn
• openml

Структура работы

В проекте рассматриваются:

1. Создание синтетического датасета через make_classification
2. Обучение модели LogisticRegression
3. Калибровка вероятностей через CalibratedClassifierCV
4. Построение calibration curve
5. Работа с внешним датасетом OpenML

Внешний датасет

В качестве внешнего датасета использован набор данных OpenML с ID 40691.

Для корректной работы calibration curve многоклассовая задача была преобразована в бинарную классификацию.

Результат работы

В ходе выполнения проекта были получены навыки:

• работы с JupyterLab;
• предобработки данных;
• обучения моделей машинного обучения;
• построения графиков;
• анализа вероятностных предсказаний модели.

Запуск проекта

Установка зависимостей:

pip install -r requirements.txt