{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true
   },
   "source": [
    "# Домашняя работа №5\n",
    "Шестаков А.В. Майнор по анализу данных 2016"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<hr\\>\n",
    "**Общая информация**\n",
    "\n",
    "**Срок сдачи:** 8 июня 2016, 23:59 <br\\>\n",
    "**Штраф за опоздание:** -0.5 за каждый день<br\\>\n",
    "**Работы принимаются до зачетной недели**<br\\>\n",
    "\n",
    "При отправлении ДЗ на почту указывайте фамилию в названии файла, а тему письма оформляйте в следующем виде:<br\\>\n",
    "** [Майнор ИАД 2016] *{Фамилия}* *{Имя}* ДЗ*{Номер}* **<br\\>\n",
    "\n",
    "\n",
    "**Векторизуйте ваш код! Если в решениях будут присутствовать ненужные циклы - оценка за задачу будет равна 0!**\n",
    "\n",
    "Сопровождайте ваш код изображеними, комментариями и выводами. <br\\>\n",
    "Иммейте ввиду, что на некоторые задачи нет единственного верного и полного ответа. Чем больше информации вы сможете извлечь, аргументированных выводов сформулировать, тем лучше.\n",
    "\n",
    "Используйте данный Ipython Notebook при оформлении домашнего задания.\n",
    "<hr\\>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Кластеризация"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "collapsed": true
   },
   "source": [
    "### Задача 1 (1 балла)\n",
    "Выберите любую (желательно красочную) картинку, подгузите её с помощью `image = plt.imread(path_to_image)` и выведите на экран с помощью `plt.imshow(image)`"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Your code here"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Задача 2 (2 балла)\n",
    "Выполните компрессию изображения с помощью метода k-means, т.е. \n",
    "* Зафиксируйте число кластеров `k` \n",
    "* Выполните кластеризацию\n",
    "* Замените цветовые характеристики пикселей на соответствующие значения центройдов\n",
    "* Выведите результат с помощью `plt.imshow`"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Your code here"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Случайный лес и KNN"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Задача 3 (1 балл)\n",
    "Загрузите [данные](https://www.dropbox.com/s/47x4eyxxzkfwcjf/student-mat.csv?dl=0) об оценках студентов по математике. Изучите [описанием полей](https://www.dropbox.com/s/xg0z11c2n4m70h3/student.txt?dl=0) данных. \n",
    "\n",
    "Предлагается предсказать одно из полей G1-G3 (на ваш выбор). Соответственно, выберите любое поле, а остальные 2 удалите."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Your code here"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Задача 4 (3 балла)\n",
    "Обучите на данных случайный лес. Для этого\n",
    "* В соответствии с описанием полей, выполните необходимые преобразования признаков\n",
    "* Разбейте данные на обучение и контроль в пропорции 80/20\n",
    "* С помощью метода скользящего контроля подберите оптимальное количество деревьев в лесу (ошибка измеряется как mean absolute error (MAE)). Скользящий контроль выполняется на обучающей подвыборке\n",
    "* Выведите 10 признаков с наибольшей значимостью.\n",
    "* Примените лучшие настройки алгоритма на тестовой выборке и выведите результат"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Your code here"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Задача 5 (3 балла)\n",
    "Обучите на данных метод ближайшего соседа. Для этого\n",
    "* В соответствии с описанием полей и особенностями алгоритма, выполните необходимые преобразования признаков\n",
    "* Разбейте данные на обучение и контроль в пропорции 80/20 (ровно так же, как в задаче 4)\n",
    "* С помощью метода скользящего контроля подберите оптимальное число ближайших соседей и функцию взвешивания (`uniform` или `distance`)\n",
    "* Примените лучшие настройки алгоритма на тестовой выборке и выведите результат."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": true
   },
   "outputs": [],
   "source": [
    "# Your code here"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 2",
   "language": "python",
   "name": "python2"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 2
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython2",
   "version": "2.7.11"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 0
}