{"id":386493,"date":"2024-06-29T06:44:20","date_gmt":"2024-06-29T06:44:20","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=386493"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=386493","title":{"rendered":"<span>\u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u0432\u043b\u0438\u044f\u043d\u0438\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0444\u0430\u043a\u0442\u043e\u0440\u043e\u0432 \u043d\u0430 \u0441\u043c\u0435\u0440\u0442\u043d\u043e\u0441\u0442\u044c \u0432 \u0414\u0422\u041f \u0432 \u0440\u0435\u0433\u0438\u043e\u043d\u0430\u0445 \u0420\u0424 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 shap python<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<blockquote>\n<p>\u0412\u044b\u043b\u043e\u0436\u0443 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u043f\u043e \u0432\u043b\u0438\u044f\u043d\u0438\u044e \u0444\u0430\u043a\u0442\u043e\u0440\u043e\u0432 \u043d\u0430 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u043c\u0435\u0440\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0438\u0441\u0445\u043e\u0434\u043e\u0432 \u043d\u0430 \u0434\u043e\u0440\u043e\u0433\u0430\u0445 \u0432 \u0420\u043e\u0441\u0441\u0438\u0438:<\/p>\n<\/blockquote>\n<h4>\u0418\u043c\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438<\/h4>\n<pre><code class=\"python\">!pip install shap import shap import pandas as pd from sklearn.tree import DecisionTreeRegressor import seaborn as sns from sklearn.preprocessing import StandardScaler from sklearn.ensemble import RandomForestRegressor !pip install reverse_geocoder import reverse_geocoder as rg import pandas as pd import numpy as np import matplotlib.pyplot as plt<\/code><\/pre>\n<blockquote>\n<p>\u0412\u044b\u0433\u0440\u0443\u0437\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0438 \u0441\u0440\u0430\u0437\u0443 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0438\u0445<\/p>\n<\/blockquote>\n<pre><code class=\"python\">improvement_coating = pd.read_excel('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/\u041f\u0440\u043e\u0442\u044f\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c_\u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u044c\u043d\u044b\u0445_\u0434\u043e\u0440\u043e\u0433_\u043e\u0431\u0449\u0435\u0433\u043e_\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f_\u0441_\u0443\u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u043e\u0432\u0430\u043d\u043d\u044b\u043c_\u043f\u043e\u043a\u0440.xlsx') improvement_coating = improvement_coating.rename(columns=improvement_coating.iloc[0]).drop(0, axis=0) improvement_coating.reset_index(drop=True, inplace=True) improvement_coating = improvement_coating.drop(0, axis=0) improvement_coating.reset_index(drop=True, inplace=True) improvement_coating_2021 = improvement_coating[improvement_coating.columns[-1]] improvement_coating = pd.DataFrame(data=improvement_coating[improvement_coating.columns[0]].tolist(), columns=['region_rf']).join(improvement_coating[improvement_coating.columns[2 : -1]]) improvement_coating['2021 \u0433.'] = improvement_coating_2021 improvement_coating<\/code><\/pre>\n<figure class=\"bordered full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/76d\/a77\/830\/76da77830737383d7bc33a90d5a0bb63.png\" width=\"991\" height=\"427\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/76d\/a77\/830\/76da77830737383d7bc33a90d5a0bb63.png\"\/><\/figure>\n<pre><code class=\"python\">road_norm = pd.read_excel('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/11111150300270200001_\u0414\u043e\u043b\u044f_\u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u044c\u043d\u044b\u0445_\u0434\u043e\u0440\u043e\u0433_\u043e\u0431\u0449\u0435\u0433\u043e_\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f,_\u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0449\u0438\u0445_\u043d\u043e\u0440\u043c\u0430\u0442\u0438\u0432\u043d\u044b\u043c_\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f\u043c.xlsx') road_norm = road_norm.rename(columns=road_norm.iloc[0]).drop(0, axis=0) road_norm.reset_index(drop=True, inplace=True) road_norm_2021 = road_norm[road_norm.columns[-1]] road_norm = pd.DataFrame(data=road_norm[road_norm.columns[0]].tolist(), columns=['region_rf']).join(road_norm[road_norm.columns[2 : -1]]) road_norm['2021 \u0433.'] = road_norm_2021 road_norm<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/a40\/cc3\/795\/a40cc37953f9779426876f8ce59b14b5.png\" width=\"874\" height=\"414\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/a40\/cc3\/795\/a40cc37953f9779426876f8ce59b14b5.png\"\/><\/figure>\n<pre><code class=\"python\">light_road = pd.read_csv('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0441\u043a\u0434\u0444\/\u041e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u0435 \u0434\u043e\u0440\u043e\u0433\u0438.csv') light_road_for_fit = light_road.query('out_value_of_the_road == \"\u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u044c\u043d\u0430\u044f \u0434\u043e\u0440\u043e\u0433\u0430 \u043c\u0435\u0441\u0442\u043d\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\"').groupby('out_region')['out_length',                                                                                                             'out_defect_prop_count',                                                                                                             'out_ligth_prop_count',                                                                                                              'out_light_count'].sum().reset_index()\\ .rename(columns={'out_region' : 'region_rf'})  light_road_for_fit<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/52b\/4ae\/21f\/52b4ae21fb8c1265ff8ce16266a12d7b.png\" width=\"990\" height=\"437\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/52b\/4ae\/21f\/52b4ae21fb8c1265ff8ce16266a12d7b.png\"\/><\/figure>\n<blockquote>\n<p>\u0414\u0430\u0442\u0430\u0441\u0435\u0442 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u043e \u0414\u0422\u041f, \u0441\u0440\u0430\u0437\u0443 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u0435\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0414\u0422\u041f \u043f\u043e \u0440\u0435\u0433\u0438\u043e\u043d\u0430\u043c:<\/p>\n<\/blockquote>\n<pre><code class=\"python\">df = pd.read_csv('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/joined.csv') df['datetime'] = pd.DatetimeIndex(df['datetime']).year df = df[df['datetime'] == 2021] df_group = df.groupby('parent_region')['dead_count'].sum()\\ .to_frame()\\ .reset_index()\\ .rename(columns={'parent_region' : 'region_rf'}) df_group<\/code><\/pre>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/faf\/6f1\/31a\/faf6f131a284e29337b9912361b24659.png\" width=\"443\" height=\"412\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/faf\/6f1\/31a\/faf6f131a284e29337b9912361b24659.png\"\/><\/figure>\n<blockquote>\n<p>\u0414\u0430\u043b\u0435\u0435 \u0438\u043c\u0435\u0435\u043c \u0442\u0430\u043a\u043e\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0441 \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u043c\u0438 \u043a\u0430\u043c\u0435\u0440\u0430\u043c\u0438 \u043d\u0430 \u0442\u0435\u0440\u0440\u0438\u0442\u043e\u0440\u0438\u0438 \u0420\u0424<\/p>\n<\/blockquote>\n<pre><code class=\"python\">milestones = pd.read_csv('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/milestones.csv', sep=';') milestones<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/8f8\/7dd\/ce9\/8f87ddce9f33cb0b6e79b2c6e6afbcff.png\" width=\"1824\" height=\"603\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/8f8\/7dd\/ce9\/8f87ddce9f33cb0b6e79b2c6e6afbcff.png\"\/><\/figure>\n<p>\u041d\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0432\u044b\u0432\u0435\u0441\u0442\u0438 \u0440\u0435\u0433\u0438\u043e\u043d \u0438\u0437 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442 \u0438 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0445 \u043a\u0430\u043c\u0435\u0440 \u043f\u043e \u0440\u0435\u0433\u0438\u043e\u043d\u0430\u043c<\/p>\n<pre><code class=\"python\"># \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0440\u0435\u0433\u0438\u043e\u043d\u0430 \u043f\u043e \u0431\u0430\u0442\u0447\u0430\u043c def get_regions_batch(batch):     coordinates = list(zip(batch['gps_y'], batch['gps_x']))     results = rg.search(coordinates)     regions = [result['admin1'] for result in results]     return regions  # \u0420\u0430\u0437\u0431\u0438\u0432\u0430\u0435\u043c \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u043d\u0430 \u0431\u0430\u0442\u0447\u0438 batches = np.array_split(milestones, 10)  # \u041e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u043c \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u0430\u0442\u0447 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e batch_results = [] for batch in batches:     batch_results.append(get_regions_batch(batch))  # \u041e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0435\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b results = [region for batch_result in batch_results for region in batch_result] milestones['region'] = results  # \u0412\u044b\u0432\u043e\u0434\u0438\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 milestones  def translate_region(region):     regions_dict = {         'Adygeya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0410\u0434\u044b\u0433\u0435\u044f',         'Altai Krai': '\u0410\u043b\u0442\u0430\u0439\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Altay': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0410\u043b\u0442\u0430\u0439',         'Amur': '\u0410\u043c\u0443\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Arkhangelskaya': '\u0410\u0440\u0445\u0430\u043d\u0433\u0435\u043b\u044c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Astrakhan': '\u0410\u0441\u0442\u0440\u0430\u0445\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Bashkortostan': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0411\u0430\u0448\u043a\u043e\u0440\u0442\u043e\u0441\u0442\u0430\u043d',         'Belgorod': '\u0411\u0435\u043b\u0433\u043e\u0440\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Brjansk': '\u0411\u0440\u044f\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Chechnya': '\u0427\u0435\u0447\u0435\u043d\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Chelyabinsk': '\u0427\u0435\u043b\u044f\u0431\u0438\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Chuvashia': '\u0427\u0443\u0432\u0430\u0448\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Crimea': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0440\u044b\u043c',         'Dagestan': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0414\u0430\u0433\u0435\u0441\u0442\u0430\u043d',         'Heilongjiang Sheng': '\u0425\u044d\u0439\u043b\u0443\u043d\u0446\u0437\u044f\u043d',         'Hokkaido': '\u0425\u043e\u043a\u043a\u0430\u0439\u0434\u043e',         'Ingushetiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0418\u043d\u0433\u0443\u0448\u0435\u0442\u0438\u044f',         'Irkutsk': '\u0418\u0440\u043a\u0443\u0442\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Ivanovo': '\u0418\u0432\u0430\u043d\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Jaroslavl': '\u042f\u0440\u043e\u0441\u043b\u0430\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Jewish Autonomous Oblast': '\u0415\u0432\u0440\u0435\u0439\u0441\u043a\u0430\u044f \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kabardino-Balkariya': '\u041a\u0430\u0431\u0430\u0440\u0434\u0438\u043d\u043e-\u0411\u0430\u043b\u043a\u0430\u0440\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Kaliningrad': '\u041a\u0430\u043b\u0438\u043d\u0438\u043d\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kalmykiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0430\u043b\u043c\u044b\u043a\u0438\u044f',         'Kaluga': '\u041a\u0430\u043b\u0443\u0436\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kamtsjatka': '\u041a\u0430\u043c\u0447\u0430\u0442\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Karachayevo-Cherkesiya': '\u041a\u0430\u0440\u0430\u0447\u0430\u0435\u0432\u043e-\u0427\u0435\u0440\u043a\u0435\u0441\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Kemerovo': '\u041a\u0435\u043c\u0435\u0440\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Khabarovsk Krai': '\u0425\u0430\u0431\u0430\u0440\u043e\u0432\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Khakasiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0425\u0430\u043a\u0430\u0441\u0438\u044f',         'Khanty-Mansiyskiy Avtonomnyy Okrug': '\u0425\u0430\u043d\u0442\u044b-\u041c\u0430\u043d\u0441\u0438\u0439\u0441\u043a\u0438\u0439 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u044b\u0439 \u043e\u043a\u0440\u0443\u0433',         'Kharkiv': '\u0425\u0430\u0440\u044c\u043a\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kirov': '\u041a\u0438\u0440\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Komi Republic': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u043e\u043c\u0438',         'Kostroma': '\u041a\u043e\u0441\u0442\u0440\u043e\u043c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Krasnodarskiy': '\u041a\u0440\u0430\u0441\u043d\u043e\u0434\u0430\u0440\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Krasnoyarskiy': '\u041a\u0440\u0430\u0441\u043d\u043e\u044f\u0440\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Kurgan': '\u041a\u0443\u0440\u0433\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kursk': '\u041a\u0443\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Leningrad': '\u041b\u0435\u043d\u0438\u043d\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Lipetsk': '\u041b\u0438\u043f\u0435\u0446\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Luhansk': '\u043d\u0435 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u0435\u0442 \u043d\u0438 \u043e\u0434\u043d\u043e\u043c\u0443 \u0440\u0435\u0433\u0438\u043e\u043d\u0443 \u0420\u043e\u0441\u0441\u0438\u0438 \u0438\u043b\u0438 \u0423\u043a\u0440\u0430\u0438\u043d\u044b \u0432 \u0441\u043f\u0438\u0441\u043a\u0435',         'Magadan': '\u041c\u0430\u0433\u0430\u0434\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Mariy-El': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041c\u0430\u0440\u0438\u0439 \u042d\u043b',         'Misto Sevastopol': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0440\u044b\u043c (\u0433. \u0421\u0435\u0432\u0430\u0441\u0442\u043e\u043f\u043e\u043b\u044c)',         'Mordoviya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041c\u043e\u0440\u0434\u043e\u0432\u0438\u044f',         'Moscow': '\u0433. \u041c\u043e\u0441\u043a\u0432\u0430',         'Moskovskaya': '\u041c\u043e\u0441\u043a\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Murmansk': '\u041c\u0443\u0440\u043c\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Nenetskiy Avtonomnyy Okrug': '\u041d\u0435\u043d\u0435\u0446\u043a\u0438\u0439 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u044b\u0439 \u043e\u043a\u0440\u0443\u0433',         'Nizjnij Novgorod': '\u041d\u0438\u0436\u0435\u0433\u043e\u0440\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'North Ossetia': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0421\u0435\u0432\u0435\u0440\u043d\u0430\u044f \u041e\u0441\u0435\u0442\u0438\u044f-\u0410\u043b\u0430\u043d\u0438\u044f',         'Novgorod': '\u041d\u043e\u0432\u0433\u043e\u0440\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Novosibirsk': '\u041d\u043e\u0432\u043e\u0441\u0438\u0431\u0438\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Omsk': '\u041e\u043c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Orenburg': '\u041e\u0440\u0435\u043d\u0431\u0443\u0440\u0433\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Orjol': '\u041e\u0440\u043b\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Penza': '\u041f\u0435\u043d\u0437\u0435\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Perm': '\u041f\u0435\u0440\u043c\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Primorskiy': '\u041f\u0440\u0438\u043c\u043e\u0440\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Pskov': '\u041f\u0441\u043a\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Republic of Karelia': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0430\u0440\u0435\u043b\u0438\u044f',         'Respublika Buryatiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0411\u0443\u0440\u044f\u0442\u0438\u044f',         'Rjazan': '\u0420\u044f\u0437\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Rostov': '\u0420\u043e\u0441\u0442\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Sakha': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0421\u0430\u0445\u0430 (\u042f\u043a\u0443\u0442\u0438\u044f)',         'Sakhalin': '\u0421\u0430\u0445\u0430\u043b\u0438\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Samara': '\u0421\u0430\u043c\u0430\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Saratov': '\u0421\u0430\u0440\u0430\u0442\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Smolensk': '\u0421\u043c\u043e\u043b\u0435\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         \"Misto Sevastopol'\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0440\u044b\u043c\",         \"South Karelia\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0430\u0440\u0435\u043b\u0438\u044f\",         \"St.-Petersburg\": \"\u041b\u0435\u043d\u0438\u043d\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Stavropol'skiy\": \"\u0421\u0442\u0430\u0432\u0440\u043e\u043f\u043e\u043b\u044c\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439\",         \"Sumy\": \"\u041d\u0435\u0442 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u044f\",         \"Sverdlovsk\": \"\u0421\u0432\u0435\u0440\u0434\u043b\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tambov\": \"\u0422\u0430\u043c\u0431\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tatarstan\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0422\u0430\u0442\u0430\u0440\u0441\u0442\u0430\u043d\",         \"Tjumen\": \"\u0422\u044e\u043c\u0435\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tomsk\": \"\u0422\u043e\u043c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Transbaikal Territory\": \"\u0417\u0430\u0431\u0430\u0439\u043a\u0430\u043b\u044c\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439\",         \"Tula\": \"\u0422\u0443\u043b\u044c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tverskaya\": \"\u0422\u0432\u0435\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tyva\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0422\u044b\u0432\u0430\",         \"Udmurtiya\": \"\u0423\u0434\u043c\u0443\u0440\u0442\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430\",         \"Ulyanovsk\": \"\u0423\u043b\u044c\u044f\u043d\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Vladimir\": \"\u0412\u043b\u0430\u0434\u0438\u043c\u0438\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Volgograd\": \"\u0412\u043e\u043b\u0433\u043e\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Vologda\": \"\u0412\u043e\u043b\u043e\u0433\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Voronezj\": \"\u0412\u043e\u0440\u043e\u043d\u0435\u0436\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         'Yamalo-Nenetskiy Avtonomnyy Okrug' : '\u042f\u041d\u0410\u041e'}     return regions_dict.get(region, region)  milestones['region'] = milestones['region'].apply(translate_region) milestones_for_fit = milestones.groupby('region')['src_camera'].count().to_frame().reset_index().rename(columns={'region' : 'region_rf', 'src_camera' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u0430\u043c\u0435\u0440'}) milestones_for_fit<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4a5\/a0c\/75b\/4a5a0c75b0daf2edba03a5fa9bb8ca41.png\" width=\"604\" height=\"396\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/4a5\/a0c\/75b\/4a5a0c75b0daf2edba03a5fa9bb8ca41.png\"\/><\/figure>\n<pre><code class=\"python\">count_intruder = pd.read_excel('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0435\u043c\u0438\u0441\u0441\/\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0438\u0306 \u043f\u0440\u0430\u0432\u0438\u043b \u0434\u043e\u0440\u043e\u0436\u043d\u043e\u0433\u043e \u0434\u0432\u0438\u0436\u0435\u043d\u0438\u044f.xlsx') count_intruder<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/801\/a94\/f3d\/801a94f3d3ac6ee5a4437d43d6f385ef.png\" width=\"1286\" height=\"341\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/801\/a94\/f3d\/801a94f3d3ac6ee5a4437d43d6f385ef.png\"\/><\/figure>\n<p>\u0421\u043e\u0435\u0434\u0438\u043d\u0438\u043c \u0432\u0441\u0435 \u0432\u044b\u0433\u0440\u0443\u0436\u0435\u043d\u043d\u044b\u0435 \u0442\u0430\u0431\u043b\u0438\u0446\u044b:<\/p>\n<pre><code class=\"python\">merged_table = pd.merge(df_group, light_road_for_fit, on=\"region_rf\") merged_table = pd.merge(merged_table, road_norm[['region_rf', '2021 \u0433.']], on=\"region_rf\") merged_table = pd.merge(merged_table, milestones_for_fit, on=\"region_rf\") merged_table = pd.merge(merged_table, count_intruder, on=\"region_rf\") merged_table = pd.merge(merged_table, improvement_coating[['region_rf', '2021 \u0433.']], on=\"region_rf\")\\ .rename(columns={'2021 \u0433._x' : 'road_norm', '2021 \u0433._y' : 'improvement_coating'}) merged_table = merged_table.fillna(0) merged_table<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/97e\/6de\/3a4\/97e6de3a438f3c5b98e84fee4c1d088a.png\" width=\"1727\" height=\"535\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/97e\/6de\/3a4\/97e6de3a438f3c5b98e84fee4c1d088a.png\"\/><\/figure>\n<p>\u0421\u0434\u0435\u043b\u0430\u0435\u043c \u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u043d\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0438 target, \u0434\u0430\u043b\u0435\u0435 \u043e\u0431\u0443\u0447\u0438\u043c \u043c\u043e\u0434\u0435\u043b\u044c<\/p>\n<pre><code class=\"python\">X = merged_table[['out_length',                   'out_defect_prop_count',                   'out_ligth_prop_count',                   'out_light_count', 'road_norm',                   'improvement_coating',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u0430\u043c\u0435\u0440',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0435\u0439',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u043f\u0430\u0441\u0441\u0430\u0436\u0438\u0440\u043e\u0432',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u043f\u0435\u0448\u0435\u0445\u043e\u0434\u043e\u0432']] X = X.rename(columns={'out_length' : '\u041f\u0440\u043e\u0442\u044f\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u044f',                       'out_defect_prop_count' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u043f\u043e\u0440 \u0441 \u0434\u0435\u0444\u0444\u0435\u043a\u0442\u0430\u043c\u0438',                       'out_ligth_prop_count' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u043f\u043e\u0440 \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u044f',                       'out_light_count' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0432\u0435\u0442\u0438\u043b\u044c\u043d\u0438\u043a\u043e\u0432',                       'improvement_coating' : '\u0423\u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u043f\u043e\u043a\u0440\u044b\u0442\u0438\u0435',                       'road_norm' : '\u0414\u043e\u043b\u044f \u0434\u043e\u0440\u043e\u0433, \u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0449\u0438\u0445 \u043d\u043e\u0440\u043c-\u043c \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f\u043c'}) y = merged_table.dead_count  scaler = StandardScaler() model = scaler.fit(X) X = model.transform(X)  regr = DecisionTreeRegressor(max_depth=3, random_state=12345) model = regr.fit(X, y)  X = pd.DataFrame(data=X, columns=['\u041f\u0440\u043e\u0442\u044f\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u044f',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u043f\u043e\u0440 \u0441 \u0434\u0435\u0444\u0444\u0435\u043a\u0442\u0430\u043c\u0438',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u043f\u043e\u0440 \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u044f',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0432\u0435\u0442\u0438\u043b\u044c\u043d\u0438\u043a\u043e\u0432',                                   '\u0414\u043e\u043b\u044f \u0434\u043e\u0440\u043e\u0433, \u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0449\u0438\u0445 \u043d\u043e\u0440\u043c-\u043c \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f\u043c',                                   '\u0423\u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u043f\u043e\u043a\u0440\u044b\u0442\u0438\u0435',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u0430\u043c\u0435\u0440',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0435\u0439',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u043f\u0430\u0441\u0441\u0430\u0436\u0438\u0440\u043e\u0432',                                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u043f\u0435\u0448\u0435\u0445\u043e\u0434\u043e\u0432']) X<\/code><\/pre>\n<p>\u0418\u043d\u0442\u0435\u0440\u043f\u0440\u0435\u0442\u0438\u0440\u0443\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e shap<\/p>\n<pre><code class=\"python\">def shap_feature_importance(X, y, model):          \"\"\"     \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u043b\u044f \u0432\u044b\u044f\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0430\u0436\u043d\u043e\u0441\u0442\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e shap_values          \u0410\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u044b:     X -- \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 (numpy array \u0438\u043b\u0438 pandas dataframe)     y -- \u0442\u0430\u0440\u0433\u0435\u0442 (numpy array \u0438\u043b\u0438 pandas series)     model -- \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c          \u0412\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442:     shap.summary_plot -- \u0433\u0440\u0430\u0444\u0438\u043a, \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0430\u044e\u0449\u0438\u0439 \u0432\u0430\u0436\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430          \"\"\"          # \u0418\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c Explainer \u0438 \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u043c shap_values     explainer = shap.Explainer(model, X)     shap_values = explainer(X)          # \u041f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u0440\u043e\u0434\u043d\u044b\u0435 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u044f \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432     feature_names = X.columns if isinstance(X, pd.DataFrame) else None          # \u0412\u044b\u0432\u043e\u0434\u0438\u043c \u0433\u0440\u0430\u0444\u0438\u043a, \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0430\u044e\u0449\u0438\u0439 \u0432\u0430\u0436\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430     shap.summary_plot(shap_values, X, plot_type=\"bar\", feature_names=feature_names)  # \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c \u0438 \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c model = RandomForestRegressor(n_estimators=100, random_state=42) model.fit(X, y) shap_feature_importance(X, y, model) <\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/690\/80a\/578\/69080a5783003242f2987ea56335dd77.png\" width=\"698\" height=\"409\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/690\/80a\/578\/69080a5783003242f2987ea56335dd77.png\"\/><\/figure>\n<p>\u041a\u043e\u0441\u0432\u0435\u043d\u043d\u043e, \u043d\u043e \u043c\u043e\u0436\u0435\u043c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u044b\u0432\u043e\u0434 \u043e \u0432\u043b\u0438\u044f\u043d\u0438\u0438 \u0442\u043e\u043f-3 \u0444\u0430\u043a\u0442\u043e\u0440\u043e\u0432 \u043d\u0430 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0414\u0422\u041f.<\/p>\n<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/724042\/\"> https:\/\/habr.com\/ru\/articles\/724042\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<blockquote>\n<p>\u0412\u044b\u043b\u043e\u0436\u0443 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u043f\u043e \u0432\u043b\u0438\u044f\u043d\u0438\u044e \u0444\u0430\u043a\u0442\u043e\u0440\u043e\u0432 \u043d\u0430 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u043c\u0435\u0440\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0438\u0441\u0445\u043e\u0434\u043e\u0432 \u043d\u0430 \u0434\u043e\u0440\u043e\u0433\u0430\u0445 \u0432 \u0420\u043e\u0441\u0441\u0438\u0438:<\/p>\n<\/blockquote>\n<h4>\u0418\u043c\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438<\/h4>\n<pre><code class=\"python\">!pip install shap import shap import pandas as pd from sklearn.tree import DecisionTreeRegressor import seaborn as sns from sklearn.preprocessing import StandardScaler from sklearn.ensemble import RandomForestRegressor !pip install reverse_geocoder import reverse_geocoder as rg import pandas as pd import numpy as np import matplotlib.pyplot as plt<\/code><\/pre>\n<blockquote>\n<p>\u0412\u044b\u0433\u0440\u0443\u0437\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0438 \u0441\u0440\u0430\u0437\u0443 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0438\u0445<\/p>\n<\/blockquote>\n<pre><code class=\"python\">improvement_coating = pd.read_excel('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/\u041f\u0440\u043e\u0442\u044f\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c_\u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u044c\u043d\u044b\u0445_\u0434\u043e\u0440\u043e\u0433_\u043e\u0431\u0449\u0435\u0433\u043e_\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f_\u0441_\u0443\u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u043e\u0432\u0430\u043d\u043d\u044b\u043c_\u043f\u043e\u043a\u0440.xlsx') improvement_coating = improvement_coating.rename(columns=improvement_coating.iloc[0]).drop(0, axis=0) improvement_coating.reset_index(drop=True, inplace=True) improvement_coating = improvement_coating.drop(0, axis=0) improvement_coating.reset_index(drop=True, inplace=True) improvement_coating_2021 = improvement_coating[improvement_coating.columns[-1]] improvement_coating = pd.DataFrame(data=improvement_coating[improvement_coating.columns[0]].tolist(), columns=['region_rf']).join(improvement_coating[improvement_coating.columns[2 : -1]]) improvement_coating['2021 \u0433.'] = improvement_coating_2021 improvement_coating<\/code><\/pre>\n<figure class=\"bordered full-width\"><\/figure>\n<pre><code class=\"python\">road_norm = pd.read_excel('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/11111150300270200001_\u0414\u043e\u043b\u044f_\u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u044c\u043d\u044b\u0445_\u0434\u043e\u0440\u043e\u0433_\u043e\u0431\u0449\u0435\u0433\u043e_\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f,_\u043e\u0442\u0432\u0435\u0447\u0430\u044e\u0449\u0438\u0445_\u043d\u043e\u0440\u043c\u0430\u0442\u0438\u0432\u043d\u044b\u043c_\u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f\u043c.xlsx') road_norm = road_norm.rename(columns=road_norm.iloc[0]).drop(0, axis=0) road_norm.reset_index(drop=True, inplace=True) road_norm_2021 = road_norm[road_norm.columns[-1]] road_norm = pd.DataFrame(data=road_norm[road_norm.columns[0]].tolist(), columns=['region_rf']).join(road_norm[road_norm.columns[2 : -1]]) road_norm['2021 \u0433.'] = road_norm_2021 road_norm<\/code><\/pre>\n<figure class=\"full-width\"><\/figure>\n<pre><code class=\"python\">light_road = pd.read_csv('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0441\u043a\u0434\u0444\/\u041e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u0435 \u0434\u043e\u0440\u043e\u0433\u0438.csv') light_road_for_fit = light_road.query('out_value_of_the_road == \"\u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u044c\u043d\u0430\u044f \u0434\u043e\u0440\u043e\u0433\u0430 \u043c\u0435\u0441\u0442\u043d\u043e\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\"').groupby('out_region')['out_length',                                                                                                             'out_defect_prop_count',                                                                                                             'out_ligth_prop_count',                                                                                                              'out_light_count'].sum().reset_index()\\ .rename(columns={'out_region' : 'region_rf'})  light_road_for_fit<\/code><\/pre>\n<figure class=\"full-width\"><\/figure>\n<blockquote>\n<p>\u0414\u0430\u0442\u0430\u0441\u0435\u0442 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u043e \u0414\u0422\u041f, \u0441\u0440\u0430\u0437\u0443 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u0435\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0414\u0422\u041f \u043f\u043e \u0440\u0435\u0433\u0438\u043e\u043d\u0430\u043c:<\/p>\n<\/blockquote>\n<pre><code class=\"python\">df = pd.read_csv('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/joined.csv') df['datetime'] = pd.DatetimeIndex(df['datetime']).year df = df[df['datetime'] == 2021] df_group = df.groupby('parent_region')['dead_count'].sum()\\ .to_frame()\\ .reset_index()\\ .rename(columns={'parent_region' : 'region_rf'}) df_group<\/code><\/pre>\n<figure class=\"\"><\/figure>\n<blockquote>\n<p>\u0414\u0430\u043b\u0435\u0435 \u0438\u043c\u0435\u0435\u043c \u0442\u0430\u043a\u043e\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0441 \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u043c\u0438 \u043a\u0430\u043c\u0435\u0440\u0430\u043c\u0438 \u043d\u0430 \u0442\u0435\u0440\u0440\u0438\u0442\u043e\u0440\u0438\u0438 \u0420\u0424<\/p>\n<\/blockquote>\n<pre><code class=\"python\">milestones = pd.read_csv('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0414\u0422\u041f\/milestones.csv', sep=';') milestones<\/code><\/pre>\n<figure class=\"full-width\"><\/figure>\n<p>\u041d\u0430\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0432\u044b\u0432\u0435\u0441\u0442\u0438 \u0440\u0435\u0433\u0438\u043e\u043d \u0438\u0437 \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0442 \u0438 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0445 \u043a\u0430\u043c\u0435\u0440 \u043f\u043e \u0440\u0435\u0433\u0438\u043e\u043d\u0430\u043c<\/p>\n<pre><code class=\"python\"># \u0424\u0443\u043d\u043a\u0446\u0438\u044f \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0440\u0435\u0433\u0438\u043e\u043d\u0430 \u043f\u043e \u0431\u0430\u0442\u0447\u0430\u043c def get_regions_batch(batch):     coordinates = list(zip(batch['gps_y'], batch['gps_x']))     results = rg.search(coordinates)     regions = [result['admin1'] for result in results]     return regions  # \u0420\u0430\u0437\u0431\u0438\u0432\u0430\u0435\u043c \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u043d\u0430 \u0431\u0430\u0442\u0447\u0438 batches = np.array_split(milestones, 10)  # \u041e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u043c \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u0430\u0442\u0447 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e batch_results = [] for batch in batches:     batch_results.append(get_regions_batch(batch))  # \u041e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0435\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b results = [region for batch_result in batch_results for region in batch_result] milestones['region'] = results  # \u0412\u044b\u0432\u043e\u0434\u0438\u043c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 milestones  def translate_region(region):     regions_dict = {         'Adygeya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0410\u0434\u044b\u0433\u0435\u044f',         'Altai Krai': '\u0410\u043b\u0442\u0430\u0439\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Altay': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0410\u043b\u0442\u0430\u0439',         'Amur': '\u0410\u043c\u0443\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Arkhangelskaya': '\u0410\u0440\u0445\u0430\u043d\u0433\u0435\u043b\u044c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Astrakhan': '\u0410\u0441\u0442\u0440\u0430\u0445\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Bashkortostan': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0411\u0430\u0448\u043a\u043e\u0440\u0442\u043e\u0441\u0442\u0430\u043d',         'Belgorod': '\u0411\u0435\u043b\u0433\u043e\u0440\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Brjansk': '\u0411\u0440\u044f\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Chechnya': '\u0427\u0435\u0447\u0435\u043d\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Chelyabinsk': '\u0427\u0435\u043b\u044f\u0431\u0438\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Chuvashia': '\u0427\u0443\u0432\u0430\u0448\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Crimea': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0440\u044b\u043c',         'Dagestan': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0414\u0430\u0433\u0435\u0441\u0442\u0430\u043d',         'Heilongjiang Sheng': '\u0425\u044d\u0439\u043b\u0443\u043d\u0446\u0437\u044f\u043d',         'Hokkaido': '\u0425\u043e\u043a\u043a\u0430\u0439\u0434\u043e',         'Ingushetiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0418\u043d\u0433\u0443\u0448\u0435\u0442\u0438\u044f',         'Irkutsk': '\u0418\u0440\u043a\u0443\u0442\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Ivanovo': '\u0418\u0432\u0430\u043d\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Jaroslavl': '\u042f\u0440\u043e\u0441\u043b\u0430\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Jewish Autonomous Oblast': '\u0415\u0432\u0440\u0435\u0439\u0441\u043a\u0430\u044f \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kabardino-Balkariya': '\u041a\u0430\u0431\u0430\u0440\u0434\u0438\u043d\u043e-\u0411\u0430\u043b\u043a\u0430\u0440\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Kaliningrad': '\u041a\u0430\u043b\u0438\u043d\u0438\u043d\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kalmykiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0430\u043b\u043c\u044b\u043a\u0438\u044f',         'Kaluga': '\u041a\u0430\u043b\u0443\u0436\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kamtsjatka': '\u041a\u0430\u043c\u0447\u0430\u0442\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Karachayevo-Cherkesiya': '\u041a\u0430\u0440\u0430\u0447\u0430\u0435\u0432\u043e-\u0427\u0435\u0440\u043a\u0435\u0441\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430',         'Kemerovo': '\u041a\u0435\u043c\u0435\u0440\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Khabarovsk Krai': '\u0425\u0430\u0431\u0430\u0440\u043e\u0432\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Khakasiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0425\u0430\u043a\u0430\u0441\u0438\u044f',         'Khanty-Mansiyskiy Avtonomnyy Okrug': '\u0425\u0430\u043d\u0442\u044b-\u041c\u0430\u043d\u0441\u0438\u0439\u0441\u043a\u0438\u0439 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u044b\u0439 \u043e\u043a\u0440\u0443\u0433',         'Kharkiv': '\u0425\u0430\u0440\u044c\u043a\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kirov': '\u041a\u0438\u0440\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Komi Republic': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u043e\u043c\u0438',         'Kostroma': '\u041a\u043e\u0441\u0442\u0440\u043e\u043c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Krasnodarskiy': '\u041a\u0440\u0430\u0441\u043d\u043e\u0434\u0430\u0440\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Krasnoyarskiy': '\u041a\u0440\u0430\u0441\u043d\u043e\u044f\u0440\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Kurgan': '\u041a\u0443\u0440\u0433\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Kursk': '\u041a\u0443\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Leningrad': '\u041b\u0435\u043d\u0438\u043d\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Lipetsk': '\u041b\u0438\u043f\u0435\u0446\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Luhansk': '\u043d\u0435 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u0435\u0442 \u043d\u0438 \u043e\u0434\u043d\u043e\u043c\u0443 \u0440\u0435\u0433\u0438\u043e\u043d\u0443 \u0420\u043e\u0441\u0441\u0438\u0438 \u0438\u043b\u0438 \u0423\u043a\u0440\u0430\u0438\u043d\u044b \u0432 \u0441\u043f\u0438\u0441\u043a\u0435',         'Magadan': '\u041c\u0430\u0433\u0430\u0434\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Mariy-El': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041c\u0430\u0440\u0438\u0439 \u042d\u043b',         'Misto Sevastopol': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0440\u044b\u043c (\u0433. \u0421\u0435\u0432\u0430\u0441\u0442\u043e\u043f\u043e\u043b\u044c)',         'Mordoviya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041c\u043e\u0440\u0434\u043e\u0432\u0438\u044f',         'Moscow': '\u0433. \u041c\u043e\u0441\u043a\u0432\u0430',         'Moskovskaya': '\u041c\u043e\u0441\u043a\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Murmansk': '\u041c\u0443\u0440\u043c\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Nenetskiy Avtonomnyy Okrug': '\u041d\u0435\u043d\u0435\u0446\u043a\u0438\u0439 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u043d\u044b\u0439 \u043e\u043a\u0440\u0443\u0433',         'Nizjnij Novgorod': '\u041d\u0438\u0436\u0435\u0433\u043e\u0440\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'North Ossetia': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0421\u0435\u0432\u0435\u0440\u043d\u0430\u044f \u041e\u0441\u0435\u0442\u0438\u044f-\u0410\u043b\u0430\u043d\u0438\u044f',         'Novgorod': '\u041d\u043e\u0432\u0433\u043e\u0440\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Novosibirsk': '\u041d\u043e\u0432\u043e\u0441\u0438\u0431\u0438\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Omsk': '\u041e\u043c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Orenburg': '\u041e\u0440\u0435\u043d\u0431\u0443\u0440\u0433\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Orjol': '\u041e\u0440\u043b\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Penza': '\u041f\u0435\u043d\u0437\u0435\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Perm': '\u041f\u0435\u0440\u043c\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Primorskiy': '\u041f\u0440\u0438\u043c\u043e\u0440\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439',         'Pskov': '\u041f\u0441\u043a\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Republic of Karelia': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0430\u0440\u0435\u043b\u0438\u044f',         'Respublika Buryatiya': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0411\u0443\u0440\u044f\u0442\u0438\u044f',         'Rjazan': '\u0420\u044f\u0437\u0430\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Rostov': '\u0420\u043e\u0441\u0442\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Sakha': '\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0421\u0430\u0445\u0430 (\u042f\u043a\u0443\u0442\u0438\u044f)',         'Sakhalin': '\u0421\u0430\u0445\u0430\u043b\u0438\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Samara': '\u0421\u0430\u043c\u0430\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Saratov': '\u0421\u0430\u0440\u0430\u0442\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         'Smolensk': '\u0421\u043c\u043e\u043b\u0435\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c',         \"Misto Sevastopol'\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0440\u044b\u043c\",         \"South Karelia\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u041a\u0430\u0440\u0435\u043b\u0438\u044f\",         \"St.-Petersburg\": \"\u041b\u0435\u043d\u0438\u043d\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Stavropol'skiy\": \"\u0421\u0442\u0430\u0432\u0440\u043e\u043f\u043e\u043b\u044c\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439\",         \"Sumy\": \"\u041d\u0435\u0442 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u044f\",         \"Sverdlovsk\": \"\u0421\u0432\u0435\u0440\u0434\u043b\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tambov\": \"\u0422\u0430\u043c\u0431\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tatarstan\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0422\u0430\u0442\u0430\u0440\u0441\u0442\u0430\u043d\",         \"Tjumen\": \"\u0422\u044e\u043c\u0435\u043d\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tomsk\": \"\u0422\u043e\u043c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Transbaikal Territory\": \"\u0417\u0430\u0431\u0430\u0439\u043a\u0430\u043b\u044c\u0441\u043a\u0438\u0439 \u043a\u0440\u0430\u0439\",         \"Tula\": \"\u0422\u0443\u043b\u044c\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tverskaya\": \"\u0422\u0432\u0435\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Tyva\": \"\u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430 \u0422\u044b\u0432\u0430\",         \"Udmurtiya\": \"\u0423\u0434\u043c\u0443\u0440\u0442\u0441\u043a\u0430\u044f \u0420\u0435\u0441\u043f\u0443\u0431\u043b\u0438\u043a\u0430\",         \"Ulyanovsk\": \"\u0423\u043b\u044c\u044f\u043d\u043e\u0432\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Vladimir\": \"\u0412\u043b\u0430\u0434\u0438\u043c\u0438\u0440\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Volgograd\": \"\u0412\u043e\u043b\u0433\u043e\u0433\u0440\u0430\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Vologda\": \"\u0412\u043e\u043b\u043e\u0433\u043e\u0434\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         \"Voronezj\": \"\u0412\u043e\u0440\u043e\u043d\u0435\u0436\u0441\u043a\u0430\u044f \u043e\u0431\u043b\u0430\u0441\u0442\u044c\",         'Yamalo-Nenetskiy Avtonomnyy Okrug' : '\u042f\u041d\u0410\u041e'}     return regions_dict.get(region, region)  milestones['region'] = milestones['region'].apply(translate_region) milestones_for_fit = milestones.groupby('region')['src_camera'].count().to_frame().reset_index().rename(columns={'region' : 'region_rf', 'src_camera' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u0430\u043c\u0435\u0440'}) milestones_for_fit<\/code><\/pre>\n<figure class=\"full-width\"><\/figure>\n<pre><code class=\"python\">count_intruder = pd.read_excel('\/content\/drive\/MyDrive\/\u0421\u0447\u0435\u0442\u043d\u0430\u044f \u043f\u0430\u043b\u0430\u0442\u0430\/\u0435\u043c\u0438\u0441\u0441\/\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0438\u0306 \u043f\u0440\u0430\u0432\u0438\u043b \u0434\u043e\u0440\u043e\u0436\u043d\u043e\u0433\u043e \u0434\u0432\u0438\u0436\u0435\u043d\u0438\u044f.xlsx') count_intruder<\/code><\/pre>\n<figure class=\"full-width\"><\/figure>\n<p>\u0421\u043e\u0435\u0434\u0438\u043d\u0438\u043c \u0432\u0441\u0435 \u0432\u044b\u0433\u0440\u0443\u0436\u0435\u043d\u043d\u044b\u0435 \u0442\u0430\u0431\u043b\u0438\u0446\u044b:<\/p>\n<pre><code class=\"python\">merged_table = pd.merge(df_group, light_road_for_fit, on=\"region_rf\") merged_table = pd.merge(merged_table, road_norm[['region_rf', '2021 \u0433.']], on=\"region_rf\") merged_table = pd.merge(merged_table, milestones_for_fit, on=\"region_rf\") merged_table = pd.merge(merged_table, count_intruder, on=\"region_rf\") merged_table = pd.merge(merged_table, improvement_coating[['region_rf', '2021 \u0433.']], on=\"region_rf\")\\ .rename(columns={'2021 \u0433._x' : 'road_norm', '2021 \u0433._y' : 'improvement_coating'}) merged_table = merged_table.fillna(0) merged_table<\/code><\/pre>\n<figure class=\"full-width\"><\/figure>\n<p>\u0421\u0434\u0435\u043b\u0430\u0435\u043c \u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u043d\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0438 \u0438 target, \u0434\u0430\u043b\u0435\u0435 \u043e\u0431\u0443\u0447\u0438\u043c \u043c\u043e\u0434\u0435\u043b\u044c<\/p>\n<pre><code class=\"python\">X = merged_table[['out_length',                   'out_defect_prop_count',                   'out_ligth_prop_count',                   'out_light_count', 'road_norm',                   'improvement_coating',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u0430\u043c\u0435\u0440',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0435\u0439',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u043f\u0430\u0441\u0441\u0430\u0436\u0438\u0440\u043e\u0432',                   '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u0435\u043b\u0435\u0439 \u041f\u0414\u0414 \u043f\u0435\u0448\u0435\u0445\u043e\u0434\u043e\u0432']] X = X.rename(columns={'out_length' : '\u041f\u0440\u043e\u0442\u044f\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u044f',                       'out_defect_prop_count' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u043f\u043e\u0440 \u0441 \u0434\u0435\u0444\u0444\u0435\u043a\u0442\u0430\u043c\u0438',                       'out_ligth_prop_count' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043e\u043f\u043e\u0440 \u043e\u0441\u0432\u0435\u0449\u0435\u043d\u0438\u044f',                       'out_light_count' : '\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0432\u0435\u0442\u0438\u043b\u044c\u043d\u0438\u043a\u043e\u0432',                   <\/code><\/pre>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-386493","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/386493","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=386493"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/386493\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=386493"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=386493"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=386493"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}