create README

istyukov_timofey_lab_2/README.md

@@ -0,0 +1,72 @@
+# 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
+    * sklearn 
+    * matplotlib
+
+### 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**