Помогите пожалуйста решить🙏🙏🙏🙏🙏

Question

2.1. Провести анализ датасета животных зоопарка с целью предсказания класса животного (class_type)  по его признакам. Определить точность предсказаний с помощью различных метрик. В качестве модели классификации использовать несколько моделей на ваш выбор (например, логистическую регрессию и случайный лес). 
2.2. Определить количество животных, имеющих и неимеющих хвост. 
2.3. Составить таблицу, хранящую информацию по количеству животных с хвостом и без хвоста в зависимости от  класса животного. 
2.4. Визуализировать результаты таблицы задания 2.3 в виде столбчатой диаграммы. 
Необходимый датасет находится в файле zoo2.csv

user_307378983 · Accepted Answer

import pandas as pd &#10;from sklearn.model_selection import train_test_split &#10;from sklearn.linear_model import LogisticRegression &#10;from sklearn.ensemble import RandomForestClassifier &#10;from sklearn.metrics import accuracy_score, classification_report &#10;import matplotlib.pyplot as plt &#10; &#10;df = pd.read_csv('zoo2.csv') &#10; &#10;X = df.drop(['class_type'], axis=1) &#10;y = df['class_type'] &#10; &#10;X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) &#10; &#10;lr_model = LogisticRegression() &#10;lr_model.fit(X_train, y_train) &#10;lr_predictions = lr_model.predict(X_test) &#10; &#10;rf_model = RandomForestClassifier() &#10;rf_model.fit(X_train, y_train) &#10;rf_predictions = rf_model.predict(X_test) &#10; &#10;lr_accuracy = accuracy_score(y_test, lr_predictions) &#10;rf_accuracy = accuracy_score(y_test, rf_predictions) &#10; &#10;lr_classification_report = classification_report(y_test, lr_predictions) &#10;rf_classification_report = classification_report(y_test, rf_predictions) &#10; &#10;print("Accuracy Logistic Regression:", lr_accuracy) &#10;print("Accuracy Random Forest:", rf_accuracy) &#10;print("
Classification Report Logistic Regression:
", lr_classification_report) &#10;print("
Classification Report Random Forest:
", rf_classification_report) &#10; &#10;tail_counts = df['tail'].value_counts() &#10;print("Количество животных с хвостом:", tail_counts[1]) &#10;print("Количество животных без хвоста:", tail_counts[0]) &#10; &#10;table = pd.crosstab(df['class_type'], df['tail'], margins=True, margins_name="Total") &#10; &#10;table = table.drop('Total') &#10; &#10;table.plot(kind='bar', stacked=True) &#10;plt.title('Количество животных с хвостом и без хвоста по классам') &#10;plt.xlabel('Класс животного') &#10;plt.ylabel('Количество') &#10;plt.show() &#10;