README.md

ВКР: Бинарная классификация для предиктивного обслуживания оборудования

Описание

Цель проекта — разработать модель машинного обучения, которая предсказывает, произойдет ли отказ оборудования (Machine failure = 1) или нет (Machine failure = 0).
Проект реализован в виде Streamlit-приложения с поддержкой загрузки собственных данных и слайд-презентацией.

---

Структура проекта

FinalWork/
├── app.py                  # Главный файл Streamlit-приложения
├── analysis_and_model.py   # Основная страница с анализом и моделями
├── presentation.py         # Страница с презентацией проекта
├── requirements.txt        # Зависимости
├── data/
│   └── predictive_maintenance.csv
└── README.md               # Этот файл

---

Данные

Используется датасет AI4I 2020 Predictive Maintenance Dataset, доступный на UCI: https://archive.ics.uci.edu/dataset/601/predictive+maintenance+dataset

Каждая запись описывает параметры работы оборудования.
Признаки включают температуру, скорость, износ и т.д.
Целевая переменная — Machine failure (0 или 1).

---

Как запустить проект

1. Клонируйте репозиторий

git clone
cd final_project

2. Установите зависимости

pip install -r requirements.txt

3. Запустите приложение

streamlit run app.py

---

Возможности приложения

• Загрузка собственного CSV-файла
• Обработка и масштабирование признаков
• Обучение моделей: Logistic Regression, Random Forest, XGBoost
• Визуализация:
  • Accuracy
  • Confusion Matrix
  • ROC-AUC
• Презентация проекта с помощью streamlit-reveal-slides

---

Видео-демонстрация

Ссылка на видео

---