Cleanup

dane_z_moodle.txt

@@ -1,21 +0,0 @@
-Projekt realizowany jest indywidualnie.
-
-Projekt polega na zastosowaniu poznanych metod uczenia maszynowego do znalezienia rozwiązania wybranego problemu.
-
-Oprócz zbudowania odpowiedniego modelu, oceniane będzie odpowiednie przygotowanie danych uczących oraz ewaluacja stworzonego modelu.
-
-Dodatkowo, żeby otrzymać maksymalną liczbę punktów, przynajmniej jeden z modeli powinien być siecią neuronową.
-
-Pliki potrzebne do uruchomienia projektu (kod i dane) należy dołączyć na Moodle'u lub umieścić w repozytorium (wówczas wystarczy podać jego adres).
-
-Do oceny projektu proszę przygotować również krótki raport, zawierający:
-
-    cel projektu / definicję problemu (jakie zagadnienie Państwo rozwiązywali)
-    opis użytych danych (skąd pochodzą dane, ile przykładów zawierają zbiory uczący i testowy)
-    opis wykorzystanych metod (jakich modeli Państwo użyli)
-    tabelkę z wynikami ewaluacji
-    ewentualne wnioski
-
-Wzór raportu znajduje się w pliku Wzór raportu.docx
-
-Maksymalna liczba punktów: 34

mushrooms.ipynb

@@ -2,7 +2,7 @@
  "cells": [
   {
    "cell_type": "code",
-   "execution_count": 127,
+   "execution_count": 165,
    "metadata": {},
    "outputs": [],
    "source": [
@@ -11,7 +11,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 128,
+   "execution_count": 166,
    "metadata": {},
    "outputs": [],
    "source": [
@@ -22,7 +22,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 129,
+   "execution_count": 167,
    "metadata": {},
    "outputs": [
     {
@@ -73,7 +73,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 130,
+   "execution_count": 168,
    "metadata": {},
    "outputs": [
     {
@@ -105,7 +105,7 @@
        "dtype: int64"
       ]
      },
-     "execution_count": 130,
+     "execution_count": 168,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -116,7 +116,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 131,
+   "execution_count": 169,
    "metadata": {},
    "outputs": [
     {
@@ -147,7 +147,7 @@
        "dtype: int64"
       ]
      },
-     "execution_count": 131,
+     "execution_count": 169,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -158,7 +158,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 132,
+   "execution_count": 170,
    "metadata": {},
    "outputs": [
     {
@@ -505,7 +505,7 @@
        "[792 rows x 117 columns]"
       ]
      },
-     "execution_count": 132,
+     "execution_count": 170,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -520,7 +520,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 133,
+   "execution_count": 171,
    "metadata": {},
    "outputs": [
     {
@@ -867,7 +867,7 @@
        "[6465 rows x 118 columns]"
       ]
      },
-     "execution_count": 133,
+     "execution_count": 171,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -880,7 +880,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 134,
+   "execution_count": 172,
    "metadata": {},
    "outputs": [
     {
@@ -904,7 +904,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 135,
+   "execution_count": 173,
    "metadata": {},
    "outputs": [
     {
@@ -1251,7 +1251,7 @@
        "[792 rows x 117 columns]"
       ]
      },
-     "execution_count": 135,
+     "execution_count": 173,
      "metadata": {},
      "output_type": "execute_result"
     }
@@ -1263,7 +1263,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 136,
+   "execution_count": 174,
    "metadata": {},
    "outputs": [
     {
@@ -1288,15 +1288,15 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 137,
+   "execution_count": 175,
    "metadata": {},
    "outputs": [
     {
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "0.96\n",
+      "0.95\n",
-      "0.96\n"
+      "0.97\n"
      ]
     }
    ],
@@ -1312,7 +1312,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 138,
+   "execution_count": 176,
    "metadata": {},
    "outputs": [
     {
@@ -1335,7 +1335,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 139,
+   "execution_count": 177,
    "metadata": {},
    "outputs": [
     {
@@ -1373,7 +1373,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 140,
+   "execution_count": 178,
    "metadata": {},
    "outputs": [
     {
@@ -1396,7 +1396,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 141,
+   "execution_count": 179,
    "metadata": {},
    "outputs": [
     {
@@ -1411,8 +1411,8 @@
       "     trujące       0.84      1.00      0.91       386\n",
       "\n",
       "    accuracy                           0.91       792\n",
-      "   macro avg       0.92      0.91      0.90       792\n",
+      "   macro avg       0.92      0.91      0.91       792\n",
-      "weighted avg       0.92      0.91      0.90       792\n",
+      "weighted avg       0.92      0.91      0.91       792\n",
       "\n"
      ]
     }
@@ -1428,7 +1428,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 142,
+   "execution_count": 180,
    "metadata": {},
    "outputs": [
     {
@@ -1458,7 +1458,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 143,
+   "execution_count": 181,
    "metadata": {},
    "outputs": [
     {
@@ -1488,7 +1488,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 144,
+   "execution_count": 182,
    "metadata": {},
    "outputs": [
     {
@@ -1526,7 +1526,7 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 145,
+   "execution_count": 183,
    "metadata": {},
    "outputs": [
     {