پروژه پایتون (8309)

---

شرح پروژه

سلام

تعریف پروژه 

هدف از انجام این تمرین ایجاد و آموزش دادن یک مدل طبقه بندی با یکی از الگوریتم های سنتی اشاره شده در عنوان تمرین می باشد داده‌های مورد استفاده برای این تمرین قابل دسترس از لینک https://archive.ics.uci.edu/ml/datasets/Iris

می باشد.( برای دیدن این داده ها از یک ادیتور متنی ساده می توانید استفاده کنید).

 کارهایی که باید انجام شود :

 1.دریافت فایل داده و خواندن آن در پایتون و سپس تقسیم بندی به دو دسته Train , Test . ۲۰ درصد از داده ها را برای تست در نظر بگیرید و ۸۰ درصد را برای Train.

 لینک کمکی برای خواندن داده ها در پایتون

https://realpython.com/read-write-files-python/

 لینک کمکی برای تقسیم بندی داده :

https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html

2. ایجاد یک کلاسیفایر با یکی از الگوریتم های زیر به آموزش آن با داده های Train .

SVM

https://scikit-learn.org/stable/modules/svm.html

Naïve Bayes

https://scikit-learn.org/stable/modules/naive_bayes.html

K-nearest neighbors:

https://scikitlearn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html

Decision Tree:

https://scikit-modules/tree.html

 ذخیره کردن مدل ساخته شده با استفاده از کتابخانه Pickle:

https://scikit-learn.org/stable/modules/model_persistence.html

 ارزیابی مدل ساخته شده بر روی داده ها Test و محاسبه پارامترهای fscore,recall,precision

https://scikit-learn.org/stable/modules/model_evaluation.html#classification-metric s

5.تهیه گزارش مختصر نهایتا دو صفحه ای در مورد روال انجام کار 

نکات مهم :

پیاده سازی باید در پایتون3.* باشد تنها کتابخانه اضافه که باید نصب کنید scikit learn هست.

مهارت ها و تخصص های مورد نیاز

---

---