4. Домашнє завдання (написання програми) #

Джерело завдання. Формулювання взято з методичних матеріалів курсу. Готового коду тут немає — це індивідуальне завдання; техніку обчислень показано на інших даних у 2method.md та 3classroom.md.

Постановка #

Реалізувати програму, що бере навчальну вибірку з CSV файлу (як приклад можна розглянути вибірки з Kaggle), запитує атрибути елементу, який потрібно класифікувати, та класифікує його за допомогою алгоритму kNN.

Мову програмування студент обирає самостійно. Навчальна вибірка — таблиця, де рядок є об’єктом: кілька стовпців-ознак і один стовпець-клас (мітка). Наприклад, класичні набори з Kaggle — Iris (класифікація квітки за розмірами пелюсток) чи Wine.

Вхід і вихід #

• Вхід:
  • шлях до файлу CSV з навчальною вибіркою (ознаки + стовпець класу);
  • значення ознак об’єкта, який треба класифікувати (програма їх запитує — з консолі, аргументів або окремого файла);
  • параметр $k$ (число сусідів).
• Вихід: передбачений клас об’єкта. Бажано також показати самих $k$ найближчих сусідів із відстанями та розподіл їхніх голосів.

Рівні складності #

Оцінка відповідає найвищому повністю й правильно виконаному рівню.

Базовий рівень — 60–74 балів #

1. Прочитати навчальну вибірку з файлу CSV (числові ознаки + стовпець класу).
2. Запитати ознаки об’єкта для класифікації та значення $k$.
3. Обчислити евклідові відстані від об’єкта до всіх навчальних точок, відібрати $k$ найближчих і віднести об’єкт до найпоширенішого серед них класу (мажоритарне голосування).
4. Обчислення відстані та голосування реалізувати самостійно (не викликати готовий класифікатор як основне рішення).

Середній рівень — 75–89 балів #

Додатково до базового:

5. Додати нормалізацію ознак (мінімакс або $z$-стандартизація) і показати, як вона змінює результат порівняно з «сирими» ознаками.
6. Реалізувати вибір $k$ (параметром) і різні функції відстані на вибір користувача: евклідову, манхеттенську, Мінковського (і, за наявності категоріальних ознак, Геммінга).
7. Коректно опрацьовувати файл із заголовком і довільним числом стовпців-ознак (стовпець класу задають параметром чи за назвою).

Високий рівень — 90–100 балів #

Додатково до середнього:

8. Реалізувати зважений kNN (вага $1/d$ або $1/d^2$) і порівняти його результат зі звичайним голосуванням.
9. Поділити дані на тренувальну й тестову множини, класифікувати тестові об’єкти та оцінити якість: побудувати матрицю невідповідності й обчислити правильність (accuracy), точність (precision) і чутливість (recall).
10. Дослідити вплив $k$: побудувати залежність якості (напр. правильності) на тестовій вибірці від $k$ і вибрати найкраще $k$; передбачити перевірку коректності вводу (порожній файл, нечислові значення, пропуски).

Що здавати #

• Вихідний код програми (з коротким README: як запустити, формат вхідного CSV, який рівень складності виконано).
• Приклад запуску на навчальному наборі (напр. Iris). Обов’язково перевірте програму на даних Задачі 1: подайте ті $8$ точок як навчальну вибірку, а $q = (4,4)$ — як об’єкт; очікувано клас A для $k = 1$ і $k = 3$.
• Для високого рівня — матрицю невідповідності й метрики на тестовій вибірці.
• Оформлення звіту — за 5report.md; перелік запитань до захисту — у 6questions.md.

Laboratory/Laboratory6/4task.md · 5.8 KB · updated 2026-08-04 23:17