IIS_2023_1/istyukov_timofey_lab_2/README.md

71 lines
3.8 KiB
Markdown
Raw Normal View History

2024-01-04 22:38:19 +04:00
# Лабораторная работа №2. Ранжирование признаков
## 12 вариант
___
### Задание:
Используя код из пункта «Решение задачи ранжирования признаков»,
выполните ранжирование признаков с помощью указанных по варианту моделей.
Отобразите получившиеся значения\оценки каждого признака каждым методом\моделью
и среднюю оценку. Проведите анализ получившихся результатов.
Какие четыре признака оказались самыми важными по среднему значению?
(Названия\индексы признаков и будут ответом на задание).
### Модели по варианту:
- Лассо (Lasso)
- Рекурсивное сокращение признаков (Recursive Feature Elimination RFE)
- Линейная корреляция (f_regression)
___
### Запуск
- Запустить файл lab2.py
### Используемые технологии
- Язык программирования **Python**
- Среда разработки **PyCharm**
- Библиотеки:
* numpy
2024-01-04 22:41:18 +04:00
* sklearn
2024-01-04 22:38:19 +04:00
### Описание программы
В качестве примера взята регрессионная проблема Фридмана. На вход
моделей подано 15 факторов. Выход рассчитывается по формуле, использующей
только пять факторов, но факторы 1-5, а также 10-15 взаимозависимы.
Последовательность действий:
1. Генерация данных по Фридману
2. Создание и обучение моделей по варианту
3. Ранжирование признаков по этим моделям с присвоением имён этим признакам
4. Вывод признаков моделей по убыванию значения оценки
5. Вывод среднего значения по каждому признакому по убыванию
Программа показывает, как разные виды регрессий оценят важности
факторов и какой из них будет иметь наибольшую среднюю значимость
по всем трём моделям по варианту.
---
### Пример работы
![Graphics](result.jpg)
```text
---> Lasso <---
[('x15', 1.0), ('x2', 0.88), ('x1', 0.82), ('x4', 0.38), ('x5', 0.38), ('x11', 0.01), ('x3', 0.0), ('x6', 0.0), ('x7', 0.0), ('x8', 0.0), ('x9', 0.0), ('x10', 0.0), ('x12', 0.0), ('x13', 0.0), ('x14', 0.0)]
---> RFE <---
[('x9', 1.0), ('x12', 0.88), ('x10', 0.75), ('x6', 0.62), ('x7', 0.5), ('x11', 0.38), ('x8', 0.25), ('x4', 0.12), ('x1', 0.0), ('x2', 0.0), ('x3', 0.0), ('x5', 0.0), ('x13', 0.0), ('x14', 0.0), ('x15', 0.0)]
---> F_reg <---
[('x4', 1.0), ('x15', 1.0), ('x2', 0.34), ('x13', 0.34), ('x1', 0.3), ('x12', 0.29), ('x5', 0.07), ('x6', 0.01), ('x3', 0.0), ('x7', 0.0), ('x8', 0.0), ('x9', 0.0), ('x10', 0.0), ('x11', 0.0), ('x14', 0.0)]
Средния значения по каждому признаку:
[('x15', 0.67), ('x4', 0.5), ('x2', 0.41), ('x12', 0.39), ('x1', 0.37), ('x9', 0.33), ('x10', 0.25), ('x6', 0.21), ('x7', 0.17), ('x5', 0.15), ('x11', 0.13), ('x13', 0.11), ('x8', 0.08), ('x3', 0.0), ('x14', 0.0)]
```
---
### Вывод
Согласно выводу в консоль ранжированных признаков, был выявлен топ-4 самых важных признаков по среднему значению:
1. **x15**
2. **x4**
3. **x2**
4. **x12**