Untitled

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# Wczytanie danych
from google.colab import files
uploaded = files.upload()

# Przypisanie nazwy pliku
file_name = next(iter(uploaded))

# Wczytanie danych z pliku
data = pd.read_csv(file_name)

# Przegląd danych
print(data.head())
print(data.info())

# Podział danych na zbiór cech (X) i zmienną wynikową (y)
X = data.drop(columns=['UDI', 'Product ID', 'Type', 'Air temperature [K]', 'Process temperature [K]', 'Rotational speed [rpm]', 'Torque [Nm]', 'Tool wear [min]'])
y = data['Machine failure']

# Podział danych na zbiór treningowy i testowy
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Inicjalizacja i dopasowanie modelu
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)

# Predykcja na zbiorze testowym
y_pred = model.predict(X_test)

# Ocena wydajności modelu
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)