Для себя 1. Создайте фрейм данных из N = 28 записей со следующими полями: Nrow – номер записи, Name – имя сотрудника, BirthYear – год рождения, EmployYear – год приема на работу, Salary – зарплата. EyEColor – цвет глаз, SkinColor – цвет кожи, BloodType – группа крови, HairColor – цвет волос на голове. Заполните данный фрейм данными так, что Nrow изменяется от 1 до N, Name задается произвольно, BithYear распределен равномерно (случайно) на отрезке [1974,1994], EmployYear распределен равномерно на отрезке [BirthY ear+17,2013], Salary для работников младше 1990 г.р. определяется по формуле Salary = (ln(2014 – EmployY ear) +1) * 9000, для остальных Salary = (log2(2014– EmployY ear) + 1) * 9000. Подсчитайте число сотрудников с зарплатой, большей 18000. Добавьте в таблицу поле, соответствующее суммарному подоходному налогу (ставка 13%), выплаченному сотрудником за время работы в организации, если его зарплата за каждый год начислялась согласно формулам для Salary, где вместо 2014 следует последовательно подставить каждый год работы сотрудника в организации. 2. Постройте линейный классификатор для классификации сотрудников данной международной организации (признаки классификации: группа крови, цвет волос, глаз и цвет кожи). Использовать машину опорных векторов и алгоритм персептрона. Полученные результаты сравнить. Цвет глаз, кожи или волос можно закодировать определенным числом. В данном варианте использовать национальности: Англичанин, Китаец, Датчанин, Китаец из Пекина, Исландец. Для машины опорных векторов типа “C-classification“ с полиномиальным ядром, добейтесь нулевой ошибки сначала на обучающей выборке, а затем на тестовой, путем изменения параметра C (для ядра типа polynomial можно изменять значение параметра degree). 3. Допустим, что решающая функция линейного классификатора в упрощенном виде выглядит так: Найти координаты и значение функции в точке минимума методом наискорейшего градиентного спуска.