Merge pull request 'podkorytova_yulia_lab2 is ready' (#93) from podkorytova_yulia_lab_2 into main

Reviewed-on: http://student.git.athene.tech/Alexey/IIS_2023_1/pulls/93

podkorytova_yulia_lab_2/README.md

@@ -0,0 +1,42 @@
+# Лабораторная работа 2. Ранжирование признаков
+### Задание на лабораторную:
+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). 
+
+**Вариант 20.** Линейная регрессия (LinearRegression), Гребневая регрессия
+(Ridge), Лассо (Lasso), Линейная корреляция (f_regression).
+***
+### Как запустить лабораторную работу:
+Для запуска лабораторной работы необходимо открыть файл `lr2.py`, нажать на ПКМ и в выпадающем списке выбрать опцию "Run".
+***
+### Технологии:
+**NumPy (Numerical Python)** - это библиотека для научных вычислений в Python, которая обеспечивает эффективные вычисления и манипуляции с данными.
+
+**Scikit-learn (Sklearn)** - это библиотека для языка программирования Python, которая предоставляет инструменты для разработки и применения различных алгоритмов машинного обучения, включая классификацию, регрессию, кластеризацию, снижение размерности и многое другое. Scikit-learn также предлагает функции для предобработки данных, оценки моделей и выбора наилучших параметров.
+***
+### Что делает лабораторная работа:
+В лабораторной работе генерируются исходные данные (750 строк-наблюдений и 14 столбцов-признаков), задается зависимость для функции-выхода Y с использованием формулы регрессионной проблемы Фридмана, а также добавляется зависимость между признаками.
+Далее создаются 4 модели (линейная регрессия, гребневая регрессия, лассо и линейная корреляция).
+Для каждой модели происходит тренировка и оценка рангов признаков с помощью функции *rank_to_dict*.
+Средние оценки признаков вычисляются при помощи функции *mean_ranks*.
+
+Результатом работы являются оценки признаков для каждой из 4 моделей и средние оценки признаков,  выведенные в консоль.
+***
+### Пример выходных данных:
+**ОЦЕНКИ ПРИЗНАКОВ**
+![](linear_regression.jpg)
+![](ridge.jpg)
+![](lasso.jpg)
+![](f_regression.jpg)
+
+**СРЕДНИЕ ОЦЕНКИ ПРИЗНАКОВ**
+![](mean.jpg)
+***
+**Вывод**: результаты показали, что признаки "х4", "х1", "х2" и "х14" - это четыре самых важных признака по среднему значению, при этом признак "х14" был признан ошибочно значимым.
+
+Модель *Лассо* выявила все значимые признаки (х1-х5), не взяв никакого лишнего.
+
+Модель *Линейная регрессия* верно выявила значимость признаков *x1, x2, x3, х4*, но потеряла значимый признак *x5* и ошибочно включила признак *x11* в значимые.
+
+Модель *Гребневая регрессия* верно выявила значимость признаков *x1, x2, x4, х5*, но потеряла значимый признак *x3* и ошибочно включила признак *x14* в значимые.
+
+Модель *Линейная корреляция* верно выявила значимость признаков *x1, x2, x4*, но потеряла значимые признак *x3, х5* и ошибочно включила признаки *x12, х14* в значимые.

podkorytova_yulia_lab_2/lr2.py

@@ -0,0 +1,67 @@
+from sklearn.feature_selection import f_regression
+from sklearn.linear_model import LinearRegression, Ridge, Lasso
+from sklearn.preprocessing import MinMaxScaler
+import numpy as np
+
+def rank_to_dict(ranks, names):
+    ranks = np.abs(ranks)
+    minmax = MinMaxScaler()
+    ranks = minmax.fit_transform(np.array(ranks).reshape(14, 1)).ravel()
+    ranks = map(lambda x: round(x, 2), ranks)
+    return dict(zip(names, ranks))
+
+def mean_ranks(ranks):
+    mean = {} # словарь для хранения средних рангов признаков
+    for key, value in ranks.items():
+        for item in value.items():
+            if item[0] not in mean:
+                mean[item[0]] = 0
+            mean[item[0]] += item[1]
+
+    for key, value in mean.items():
+        res = value / len(ranks)
+        mean[key] = round(res, 2)
+
+    sorted_mean = sorted(mean.items(), key=lambda x: x[1], reverse=True)
+    return sorted_mean
+
+
+# генерируем исходные данные: 750 строк-наблюдений и 14 столбцов-признаков
+np.random.seed(0)
+size = 750
+X = np.random.uniform(0, 1, (size, 14))
+# задаем функцию-выход: регрессионную проблему Фридмана
+Y = (10 * np.sin(np.pi*X[:,0]*X[:,1]) + 20*(X[:,2] - .5)**2 + 10*X[:,3] + 5*X[:,4]**5 + np.random.normal(0,1))
+# добавляем зависимость признаков
+X[:,10:] = X[:,:4] + np.random.normal(0, .025, (size,4))
+
+# создаем модели
+linear_regression = LinearRegression()
+ridge = Ridge()
+lasso = Lasso(alpha=.05)
+f, pval = f_regression(X, Y, center=True)
+models = [("Линейная регрессия", linear_regression),
+          ("Гребневая регрессия", ridge),
+          ("Лассо", lasso),
+          ("Линейная корреляция", f)]
+
+names = ["x%s" % i for i in range(1,15)] # список содержащий, имена признаков
+ranks = {} # словарь для хранения рангов признаков
+
+for (name, model) in models:
+    if name != "Линейная корреляция":
+        model.fit(X, Y) # тренируем модель
+        ranks[name] = rank_to_dict(model.coef_, names) # преобразуем признаки в словарь
+    else:
+        ranks[name] = rank_to_dict(model, names)
+
+print("-----ОЦЕНКИ ПРИЗНАКОВ-----")
+for key, value in ranks.items():
+    print(key, ":")
+    for item in value.items():
+        print(item[0], "-", item[1])
+    print()
+
+print("---СРЕДНИЕ ОЦЕНКИ ПРИЗНАКОВ---")
+for r in mean_ranks(ranks):
+    print(r[0], "-", r[1])