31 lines
3.0 KiB
Markdown
31 lines
3.0 KiB
Markdown
|
### Задание по варианту
|
|||
|
|
Лассо (Lasso),Сокращение признаков Случайными деревьями (Random Forest Regressor), Линейная корреляция (f_regression)
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу
|
|||
|
|
ЛР запускается через файл `zavrazhnova_svetlana_lab_2.py`
|
|||
|
|
|
|||
|
|
### Какие технологии использовали
|
|||
|
|
импорт класса `MinMaxScaler`, выполняющего масштабирование данных до заданного диапазона (от 0 до 1).
|
|||
|
|
Необходимость его использования объясняется следующим: каждая модель регрессии дает оценки
|
|||
|
|
важности признаков в своем диапазоне. Для того чтобы найти признак с максимальной средней важностью по трем моделям, нам необходимо привести выданные ими оценки к одному виду.
|
|||
|
|
Модели линейной регрессии, ридж-регрессии и лассо-регрессии из библиотеки `scikit-learn`
|
|||
|
|
|
|||
|
|
### Что делает
|
|||
|
|
Применение регрессионных моделей для определения важности признаков.
|
|||
|
|
|
|||
|
|
Результат работы программы показывает ранжирование признаков по их значимости для задачи. Чем больше значение ранга, тем более значимый признак.
|
|||
|
|
Полученные ранги можно использовать для отбора наиболее значимых признаков и сокращения размерности данных.
|
|||
|
|
|
|||
|
|
### Примеры выходных значений
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
В данном случае, в соответствии с полученными результатами, можно сказать следующее:
|
|||
|
|
|
|||
|
|
1. Признаки 'x4' и 'x14' имеют наивысшие ранги (больше 380), что указывает на их большую значимость в решении задачи.
|
|||
|
|
2. Признаки 'x2' и 'x12' имеют средние ранги (от 170 до 180), что означает их среднюю значимость.
|
|||
|
|
3. Признаки 'x1' и 'x11' имеют ранги около 120, что указывает на их относительную значимость.
|
|||
|
|
4. Признаки 'x5', 'x8' и 'x7' имеют низкие ранги (от 5 до 17), что говорит о их низкой значимости.
|
|||
|
|
5. Признаки 'x9', 'x3', 'x13', 'x10' и 'x6' имеют очень низкие ранги (меньше 3), что указывает на их минимальную значимость или наличие практически нулевых эффектов.
|
|||
|
|
|