mirror of
https://github.com/ada-dmitry/msmp-mephi_python.git
synced 2026-09-24 00:50:14 +00:00
108 lines
6.0 KiB
Markdown
108 lines
6.0 KiB
Markdown
# Пошаговый дискриминантный анализ (LDA) — main.ipynb
|
||
|
||
Короткий ноутбук для линейного дискриминантного анализа (LDA) с пошаговым отбором признаков (включение/исключение), расчетом ковариационных матриц и расстояний Махаланобиса. Вход — Excel `data.xlsx`, выход — `output.xlsx` с результатами классификации.
|
||
|
||
## Что делает ноутбук
|
||
- Читает Excel (`INPUT_PATH`, по умолчанию `data.xlsx`) и берет первые 85 строк.
|
||
- Стандартизирует числовые признаки X1..X9 (все колонки, кроме первой).
|
||
- Строит LDA, вычисляет ковариационную матрицу, средние по классам, расстояния Махаланобиса.
|
||
- Делает пошаговый отбор признаков: с включением (forward) и с исключением (backward).
|
||
- Сохраняет результаты в `OUTPUT_PATH` (по умолчанию `output.xlsx`):
|
||
- Train sample (класс из обучающей выборки)
|
||
- Result Lda (полная модель)
|
||
- Result forward (модель с включением)
|
||
- Result backward (модель с исключением)
|
||
|
||
## Требования
|
||
- Python 3.10+
|
||
- Зависимости: pandas, numpy, scipy, scikit-learn, openpyxl
|
||
|
||
Рекомендуется установить из `requirements.txt`.
|
||
|
||
## Быстрый старт локально (Linux/macOS, sh)
|
||
```sh
|
||
# 1) Создать и активировать виртуальное окружение
|
||
python3 -m venv .venv
|
||
source .venv/bin/activate
|
||
|
||
# 2) Обновить pip и установить зависимости
|
||
pip install --upgrade pip
|
||
pip install -r requirements.txt
|
||
|
||
# 3) Запустить ноутбук (любой способ)
|
||
# Вариант A: открыть main.ipynb в VS Code и выполнить ячейки
|
||
# Вариант B (если нужно):
|
||
# pip install jupyterlab
|
||
# jupyter lab
|
||
```
|
||
|
||
### Windows
|
||
```powershell
|
||
# 1) Создать и активировать виртуальное окружение (PowerShell)
|
||
py -m venv .venv
|
||
.venv\Scripts\Activate.ps1
|
||
|
||
# 2) Обновить pip и установить зависимости
|
||
python -m pip install --upgrade pip
|
||
pip install -r requirements.txt
|
||
|
||
# 3) Запуск ноутбука
|
||
# Откройте main.ipynb в VS Code и выполните ячейки
|
||
# или установите JupyterLab и запустите его:
|
||
# pip install jupyterlab
|
||
# jupyter lab
|
||
```
|
||
|
||
Примечание: в классической CMD активация окружения — `.venv\Scripts\activate.bat`.
|
||
|
||
## Настройка переменных (первая ячейка ноутбука)
|
||
- `INPUT_PATH`: путь к входному Excel (по умолчанию `data.xlsx`).
|
||
- `OUTPUT_PATH`: путь для сохранения результатов (по умолчанию `output.xlsx`).
|
||
- `CNT_ENTER`: число признаков в forward-модели.
|
||
- `CNT_REMOVE`: число признаков, исключаемых в backward-процедуре.
|
||
- `TRAIN_SAMPLE`: словарь вида `{класс: [индексы_строк]}` — обучающая выборка.
|
||
- Индексы — это индексы DataFrame после чтения файла (0-based). Убедитесь, что указанные номера существуют.
|
||
|
||
## Формат входных данных (Excel)
|
||
- Первая колонка — идентификатор/метка (не стандартизируется).
|
||
- Далее должны идти числовые признаки `X1`..`X9`.
|
||
- Используются первые 85 строк файла.
|
||
|
||
Минимальный пример структуры (заголовки):
|
||
```
|
||
<ID-or-Name> X1 X2 ... X9
|
||
...
|
||
```
|
||
|
||
## Результаты
|
||
В `output.xlsx` попадут исходные признаки X1..X9 и дополнительные столбцы:
|
||
- `Train sample` — класс для строк, попавших в обучающую выборку.
|
||
- `Result Lda` — класс по полной LDA-модели.
|
||
- `Result forward` — класс по модели с включением признаков.
|
||
- `Result backward` — класс по модели с исключением признаков.
|
||
|
||
## Запуск в Google Colab
|
||
1) Откройте Colab → File → Upload notebook и выберите `main.ipynb`.
|
||
2) Загрузите `data.xlsx` в среду:
|
||
- Слева вкладка Files → Upload → выберите `data.xlsx`, он окажется в `/content/data.xlsx`; или
|
||
- Смонтируйте Google Drive:
|
||
```python
|
||
from google.colab import drive
|
||
drive.mount('/content/drive')
|
||
# затем используйте путь вида '/content/drive/MyDrive/путь/к/data.xlsx'
|
||
```
|
||
3) Установите (при необходимости) зависимости в первой ячейке Colab:
|
||
```python
|
||
# Выполните только если библиотек не хватает
|
||
!pip -q install openpyxl scikit-learn scipy pandas
|
||
```
|
||
4) В первой ячейке ноутбука обновите пути:
|
||
- `INPUT_PATH = '/content/data.xlsx'` (или путь в Google Drive)
|
||
- `OUTPUT_PATH = '/content/output.xlsx'`
|
||
5) Выполните все ячейки.
|
||
|
||
## Частые вопросы
|
||
- `FileNotFoundError`: проверьте `INPUT_PATH` и расположение `data.xlsx`.
|
||
- `ModuleNotFoundError`: установите зависимости (см. выше). В Colab выполните ячейку с `!pip`.
|
||
- Индексы `TRAIN_SAMPLE` не найдены: проверьте, что они соответствуют индексам DataFrame (0-based) и попадают в первые 85 строк.
|