# 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](2method.md) та [3classroom.md](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](https://www.kaggle.com/datasets) — 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](3classroom.md): 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](5report.md); перелік запитань до захисту — у
  [6questions.md](6questions.md).