Исследование технологического процесса очистки золота

Задача

Задача данного проекта — подготовить прототип модели машинного обучения для компании «Цифра». Компания разрабатывает решения для эффективной работы промышленных предприятий.

Модель должна предсказать коэффициент восстановления золота из золотосодержащей руды. Используются данные с параметрами добычи и очистки.

Модель поможет оптимизировать производство, чтобы не запускать предприятие с убыточными характеристиками.

Ноутбук

(ноутбук проекта)

Выводы

Были получены данные по процессу восстановления золота из руды. В ходе предварительного анализа в данных были выявлены и исправлены незначительные проблемы.

Была проверена правильность расчёта в обучающей выборке эффективности обогащения золота после флотации.

Был проведён анализ полученных данных для выявления общих закономерностей технологического процесса и проверки готовности данных для моделирования. Нами установлено, что

• концентрация золота на каждом последующем этапе обработки увеличивается
• концентрация серебра увеличивается после флотации, но уменьшается после первичной и вторичной очистки
• концентрация свинца увеличивается вплоть до вторичной очистки, вторичная очистка практически не влияет на концентрацию свинца
• распределения размеров гранул сырья в обучающей и тестовой выборках не имеют существенных отличий
• суммарная концентрация серебра, свинца и золота на протяжении всего технологического процесса понижается.

Наконец, были обучены пять моделей, предсказывающих значения целевых параметров. Для моделей были подобраны гипер-параметры, обеспечивающие наилучшие значения метрики на кросс-валидации. Затем для каждой модели была рассчитана метрика sMAPE на тестовых данных.

Наилучшее значение метрики удалось получить для линейной модели Лассо, которую рекомендуется применять на производстве.