Применение методов машинного обучения

Примерить на себя роль исследователя.

Объектами выборки являются пациенты ревматологического профиля (выборка не транспонирована, поэтому вверху объекты, слева признаки - длины волн, и для каждого объекта показатели спектров отражения на каждой длине волны).

Решаемая задача: классификации, + хотелось бы еще посмотреть регрессионную модель (это возможно, если разметить выборку иначе)

Из выборки представленной в excel файле(объектов мало, всего 68 из них 31 - одного класса и 28- другого и 8 - третьего). Сначала поделить выборку на здоровый/больной. Потом по степени активности воспалительного процесса(в файле разные листы). Т.е. выполнить многоклассовую классификацию.

- сделать EDA анализ (с графиками и подробным анализом результатов)

- поиграть с выборкой (понизить размерность (несколько вариантов), применить разные подходы к стандартизации и т.д.)

- выбрать все возможные модели для обучения и посмотреть метрики качества при разных подходах (сделать выводы)

- в регрессионной модели посмотреть веса (возможно предсказания будут точнее)

В общем прям хорошо поиграть с данными, провести статистический анализ.

На основе всех выводов выбрать модель, обосновать выбор.

Сделать расширенный отчет по проделанной работе

Язык python.

Если будет такая возможность, сделать нейронную сеть (понимаю, что данных мало, но возможно что-нибудь получится)

Результат - программный код со всеми результатами(если работаете в jupyter notebook, то файл ноутбука) и отчет, можно в самом ноутбуке.