Введение 4
Постановка задачи 5
Обзор предметной области 6
Методология 10
Логистическая регрессия 10
Линейный дискриминантный анализ 10
Метод k-ближайших соседей 10
Сравнение алгоритмов 11
Исходные данные 12
Реализация приложения 14
Инструкция для пользователя 15
Применение приложения к первому датасету 18
Результаты работы с первым датасетом 20
Применение приложения ко второму датасету 21
Результаты работы со вторым датасетом 22
Заключение 23
Список литературы 24
В настоящее время невозможно представить научные исследования одной области деятельности без участия и поддержки других областей. Так и в нашем случае — данные, полученные и анализируемые геологами, также обрабатываются с помощью компьютерных технологий для уточнения, обобщения и привнесения новых результатов. Исследования, которые геологи проводят с помощью приборов, мы проведем с помощью алгоритмов и кластерного анализа: исследуем полезные схемы группирования объектов, разработаем классификацию, выделим закономерности на основе исследуемых данных.
Мы разработали и согласовали тему совместно с геологическим факультетом Санкт-Петербургского государственного университета: создать приложение, простое и удобное в использовании, позволяющее определить принадлежность образца (см. Рис. 1) той или иной кластерной группе и в конечном итоге — промышленную полезность.
Рис. 1: Исследуемый образец.
В результате работы было создано пользовательское приложение, которое с помощью алгоритма knn определяет принадлежность образца гранита той или иной кластерной группе на основе химических данных по соответствующему образцу. С помощью приложения мы определили принадлежность гранитов тому или иному горному массиву, узнали породообразующие элементы группы образцов и сделали выводы о промышленной полезности исследуемых образцов. Датасеты и приложение выложены в открытый доступ: https://vk.cc/c1XA4c, https://vk.cc/c1XA6m, https://vk.cc/c1XA1k.
