Цель работы
Научиться делить датасет на обучающую и тестовую выборки, сравнивать случайное и стратифицированное разбиение, обучать модель классификации в KNIME и подключать результат работы модели к веб-странице.
Что используется
KNIME для работы с датасетом и n8n или другой внешний endpoint для приёма запроса с сайта.
Что должно получиться
Страница должна отправлять данные в вашу модель и получать корректный прогноз в формате JSON.
Практическое задание
Выполните следующие действия:
- загрузите учебный датасет в KNIME
- выполните случайное разбиение выборки
- выполните стратифицированное разбиение выборки
- сравните распределение классов
- обучите модель классификации
- подготовьте внешний webhook или API для обработки запроса
- подключите свою модель к этой странице через URL
- получите прогноз для введённых параметров
Важно: код сайта менять не нужно. Подключение модели выполняется только через поле URL ниже на этой странице.
Пошаговое выполнение
Откройте KNIME и загрузите учебный датасет. Проверьте названия столбцов и определите целевой столбец readiness_level.
Выполните случайное разбиение набора данных на train и test. Зафиксируйте размер выборок и распределение классов.
Выполните стратифицированное разбиение по целевому столбцу. Сравните его со случайным разбиением.
Обучите модель классификации на обучающей выборке и проверьте её качество на тестовой выборке.
Подготовьте webhook или API, который принимает POST-запрос с параметрами студента и возвращает прогноз.
Получите публичную ссылку на свой endpoint и вставьте её в блок подключения модели на этой странице.
Проверьте соединение и выполните прогноз. Убедитесь, что страница получила ответ от вашей модели.
Форматы запроса и ответа
Сайт отправляет запрос строго в одном формате. Модель должна возвращать ответ по той же схеме.
Формат запроса
{
"practice_hours_per_week": 6,
"tasks_completed_percent": 68,
"quiz_score": 72,
"missed_classes": 2,
"days_left_before_deadline": 8
}
Формат ответа
{
"label": "medium",
"score": 67,
"title": "Средняя готовность",
"message": "Студент близок к сдаче, но желательно улучшить подготовку.",
"recommendations": [
"Довести процент выполненных заданий до 80%",
"Сократить количество пропусков",
"Повторить материал перед сдачей"
]
}
Подключение своей модели
Вставьте сюда адрес своего webhook или API. Адрес будет сохранён в браузере на этом компьютере.
Адрес модели ещё не сохранён.
Форма для отправки запроса
Результат ещё не получен
—
После ответа модели здесь появится прогноз.
- Подключите свою модель и выполните запрос.
- Если ответа нет, проверьте URL, CORS и формат JSON.
Что нужно проверить после выполнения
- модель доступна по внешнему URL
- endpoint принимает POST-запрос
- ответ возвращается в формате JSON
- страница показывает label, score, message и recommendations
- случайное и стратифицированное разбиение были сравнены в KNIME
Для корректной работы при запросе с сайта ваш endpoint должен поддерживать CORS. Также желательно использовать HTTPS.