https://github.com/floressek/med
Niniejsze repozytorium zawiera materiały i rozwiązania z laboratoriów realizowanych w ramach przedmiotu Metody Eksploracji Danych. Celem zajęć jest zapoznanie się z różnorodnymi technikami analizy danych.
https://github.com/floressek/med
classification data-science linear-regression logistic-regression
Last synced: 7 months ago
JSON representation
Niniejsze repozytorium zawiera materiały i rozwiązania z laboratoriów realizowanych w ramach przedmiotu Metody Eksploracji Danych. Celem zajęć jest zapoznanie się z różnorodnymi technikami analizy danych.
- Host: GitHub
- URL: https://github.com/floressek/med
- Owner: Floressek
- License: mit
- Created: 2024-11-07T10:17:05.000Z (11 months ago)
- Default Branch: master
- Last Pushed: 2025-01-02T18:25:43.000Z (9 months ago)
- Last Synced: 2025-01-02T19:28:41.370Z (9 months ago)
- Topics: classification, data-science, linear-regression, logistic-regression
- Language: Jupyter Notebook
- Homepage:
- Size: 21.1 MB
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# Metody Eksploracji Danych (MED)
Autorzy: Izabela Skowron i Szymon Florek
## Opis Projektu
Niniejsze repozytorium zawiera materiały i rozwiązania z laboratoriów realizowanych w ramach przedmiotu **Metody Eksploracji Danych**. Celem zajęć jest zapoznanie się z różnorodnymi technikami analizy danych, w tym:
- **Regresja liniowa**: modelowanie zależności między zmiennymi ciągłymi.
- **Regresja logistyczna**: analiza zależności między zmiennymi, gdzie zmienna zależna jest dychotomiczna.
- **Klasyfikatory**: implementacja i ocena różnych algorytmów klasyfikacyjnych, takich jak drzewa decyzyjne, k-NN, SVM i inne.
## Struktura Repozytorium
Repozytorium podzielone jest na katalogi odpowiadające poszczególnym laboratoriom:
- `MED_LAB_1/` - materiały z pierwszego laboratorium dotyczącego analizy regresji liniowej.
- `MED_LAB_2/` - materiały z drugiego laboratorium poświęconego analizie regrejsi logistycznej (logit).
- `MED_LAB_3/` - materiały z trzeciego laboratorium obejmującego analizę klasyfikatorow. Obecnie w produkcji
## Wymagania
Aby zapewnić kompatybilność z Pythonem 3.12, zaleca się użycie następujących wersji pakietów:
- **NumPy**: `1.26.3`
- **pandas**: `2.2.3`
- **Matplotlib**: `3.7.1`
- **scikit-learn**: `1.5.2`
- **statsmodels**: `0.14.4`
Aby zainstalować te pakiety, użyj następujących poleceń:
```bash
pip install numpy==1.26.3
pip install pandas==2.2.3
pip install matplotlib==3.7.1
pip install scikit-learn==1.5.2
pip install statsmodels==0.14.4
```
Pamiętaj, że niektóre z tych pakietów mogą wymagać dodatkowych zależności. Zaleca się instalację wirtualnego środowiska, aby uniknąć konfliktów z innymi projektami.
Jeśli napotkasz problemy z instalacją lub działaniem tych pakietów, sprawdź dokumentację każdego z nich pod kątem kompatybilności z Pythonem 3.12.
## Uruchomienie
1. Sklonuj repozytorium:
```bash
git clone https://github.com/Floressek/MED.git
```
2. Przejdź do wybranego katalogu laboratorium:
```bash
cd MED/MED_LAB_X # Zamień X na numer laboratorium
```
3. Uruchom skrypt:
```bash
python main.py
```
## Licencja
Projekt jest licencjonowany na podstawie licencji MIT.