.idea/discord.xml

@@ -1,7 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="DiscordProjectSettings">
-    <option name="show" value="ASK" />
-    <option name="description" value="" />
-  </component>
-</project>

.idea/workspace.xml

@@ -1,12 +1,7 @@
 <?xml version="1.0" encoding="UTF-8"?>
 <project version="4">
-  <component name="AutoImportSettings">
-    <option name="autoReloadType" value="SELECTIVE" />
-  </component>
   <component name="ChangeListManager">
-    <list default="true" id="0ceb130e-88da-4a20-aad6-17f5ab4226ac" name="Changes" comment="">
+    <list default="true" id="0ceb130e-88da-4a20-aad6-17f5ab4226ac" name="Changes" comment="" />
-      <change beforePath="$PROJECT_DIR$/.idea/workspace.xml" beforeDir="false" afterPath="$PROJECT_DIR$/.idea/workspace.xml" afterDir="false" />
-    </list>
     <option name="SHOW_DIALOG" value="false" />
     <option name="HIGHLIGHT_CONFLICTS" value="true" />
     <option name="HIGHLIGHT_NON_ACTIVE_CHANGELIST" value="false" />
@@ -20,32 +15,23 @@
     </option>
   </component>
   <component name="Git.Settings">
-    <option name="RECENT_BRANCH_BY_REPOSITORY">
-      <map>
-        <entry key="$PROJECT_DIR$" value="main" />
-      </map>
-    </option>
     <option name="RECENT_GIT_ROOT_PATH" value="$PROJECT_DIR$" />
   </component>
   <component name="MarkdownSettingsMigration">
     <option name="stateVersion" value="1" />
   </component>
-  <component name="ProjectColorInfo">{
-  &quot;associatedIndex&quot;: 2
-}</component>
   <component name="ProjectId" id="2VlZqWiOX68aCf0o2y0AtYJWURS" />
   <component name="ProjectViewState">
     <option name="hideEmptyMiddlePackages" value="true" />
     <option name="showLibraryContents" value="true" />
   </component>
-  <component name="PropertiesComponent">{
+  <component name="PropertiesComponent"><![CDATA[{
-  &quot;keyToString&quot;: {
+  "keyToString": {
-    &quot;RunOnceActivity.OpenProjectViewOnStart&quot;: &quot;true&quot;,
+    "RunOnceActivity.OpenProjectViewOnStart": "true",
-    &quot;RunOnceActivity.ShowReadmeOnStart&quot;: &quot;true&quot;,
+    "RunOnceActivity.ShowReadmeOnStart": "true",
-    &quot;last_opened_file_path&quot;: &quot;D:/ulstukek/Course4/IIS/labs&quot;,
+    "last_opened_file_path": "D:/ulstukek/Course4/IIS/labs"
-    &quot;settings.editor.selected.configurable&quot;: &quot;reference.settings.ide.settings.new.ui&quot;
   }
-}</component>
+}]]></component>
   <component name="RecentsManager">
     <key name="CopyFile.RECENT_KEYS">
       <recent name="D:\ulstukek\Course4\IIS\IISLabs\IIS_2023_1\zavrazhnova_svetlana_lab_3" />
@@ -118,11 +104,9 @@
     </configuration>
     <recent_temporary>
       <list>
+        <item itemvalue="Python.zavrazhnova_svetlana_lab3_2" />
         <item itemvalue="Python.zavrazhnova_svetlana_lab_3_1" />
         <item itemvalue="Python.zavrazhnova_svetlana_lab_2" />
-        <item itemvalue="Python.zavrazhnova_svetlana_lab3_2" />
-        <item itemvalue="Python.zavrazhnova_svetlana_lab3_2" />
-        <item itemvalue="Python.zavrazhnova_svetlana_lab_3_1" />
       </list>
     </recent_temporary>
   </component>

savenkov_alexander_lab_2/.idea/.gitignore

@@ -1,3 +0,0 @@
-# Default ignored files
-/shelf/
-/workspace.xml

savenkov_alexander_lab_2/.idea/.name

@@ -1 +0,0 @@
-app.py

savenkov_alexander_lab_2/.idea/Lab_2_IIS.iml

@@ -1,10 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<module type="PYTHON_MODULE" version="4">
-  <component name="NewModuleRootManager">
-    <content url="file://$MODULE_DIR$">
-      <excludeFolder url="file://$MODULE_DIR$/venv" />
-    </content>
-    <orderEntry type="jdk" jdkName="Python 3.11" jdkType="Python SDK" />
-    <orderEntry type="sourceFolder" forTests="false" />
-  </component>
-</module>

savenkov_alexander_lab_2/.idea/discord.xml

@@ -1,7 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="DiscordProjectSettings">
-    <option name="show" value="ASK" />
-    <option name="description" value="" />
-  </component>
-</project>

savenkov_alexander_lab_2/.idea/inspectionProfiles/profiles_settings.xml

@@ -1,6 +0,0 @@
-<component name="InspectionProjectProfileManager">
-  <settings>
-    <option name="USE_PROJECT_PROFILE" value="false" />
-    <version value="1.0" />
-  </settings>
-</component>

savenkov_alexander_lab_2/.idea/misc.xml

@@ -1,7 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.11" project-jdk-type="Python SDK" />
-  <component name="PyCharmProfessionalAdvertiser">
-    <option name="shown" value="true" />
-  </component>
-</project>

savenkov_alexander_lab_2/.idea/modules.xml

@@ -1,8 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="ProjectModuleManager">
-    <modules>
-      <module fileurl="file://$PROJECT_DIR$/.idea/Lab_2_IIS.iml" filepath="$PROJECT_DIR$/.idea/Lab_2_IIS.iml" />
-    </modules>
-  </component>
-</project>

savenkov_alexander_lab_2/app.py

@@ -1,94 +0,0 @@
-from flask import Flask, request, render_template
-from sklearn.linear_model import LinearRegression
-from sklearn.feature_selection import RFE
-from sklearn.ensemble import RandomForestRegressor
-from sklearn.preprocessing import MinMaxScaler
-import pandas as pd
-import numpy as np
-
-app = Flask(__name__)
-
-# Генерируем случайные данные
-np.random.seed(0)
-size = 750
-X = np.random.uniform(0, 1, (size, 14))
-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, size))
-X[:, 10:] = X[:, :4] + np.random.normal(0, .025, (size, 4))
-
-# Определяем и обучаем модели
-lr = LinearRegression()
-rfe = RFE(lr, n_features_to_select=2)
-rfe.fit(X, Y)
-
-rf = RandomForestRegressor(n_estimators=100)
-rf.fit(X, Y)
-
-# Словарь для хранения результатов оценок
-feature_rankings = {}
-
-
-# Функция для ранжирования признаков с использованием линейной регрессии
-def rank_lr():
-    lr.fit(X, Y)
-    coef = lr.coef_
-    ranking = np.abs(coef)
-    ranking = min_max_scale(ranking)
-    return ranking
-
-
-# Функция для ранжирования признаков с использованием RFE
-def rank_rfe():
-    ranking = rfe.ranking_
-    ranking = min_max_scale(ranking)
-    return ranking
-
-
-# Функция для ранжирования признаков с использованием Random Forest
-def rank_rf():
-    importances = rf.feature_importances_
-    importances = min_max_scale(importances)
-    return importances
-
-
-# Функция для масштабирования оценок в диапазоне [0, 1]
-def min_max_scale(arr):
-    scaler = MinMaxScaler()
-    scaled = scaler.fit_transform(np.array(arr).reshape(-1, 1))
-    return scaled
-
-
-# Функция для выполнения ранжирования и вычисления средней оценки
-def rank_features():
-    feature_rankings['Linear Regression'] = rank_lr()
-    feature_rankings['RFE'] = rank_rfe()
-    feature_rankings['Random Forest'] = rank_rf()
-    # Средняя оценка
-    mean_ranking = np.mean(list(feature_rankings.values()), axis=0)
-    feature_rankings['Mean Ranking'] = mean_ranking
-
-    # Получите индексы 4 самых важных признаков
-    top_4_indices = np.argsort(mean_ranking)[-4:][::-1]
-
-    # Получите названия признаков по индексам
-    top_4_feature_names = [f'Признак {i + 1}' for i in top_4_indices]
-
-    # Добавьте значения X и Y в контекст
-    return {
-        'feature_rankings': feature_rankings,
-        'X_values': X.tolist(),
-        'Y_values': Y.tolist(),
-        'top_4_feature_names': top_4_feature_names  # Добавляем самые важные признаки
-    }
-
-
-@app.route('/', methods=['GET', 'POST'])
-def index():
-    if request.method == 'POST':
-        context = rank_features()
-        return render_template('index.html', **context)
-    return render_template('index.html', feature_rankings=feature_rankings)
-
-
-if __name__ == '__main__':
-    app.run(debug=True)

savenkov_alexander_lab_2/readme.md

@@ -1,60 +0,0 @@
-Общее задание:
-Используя код из [1] (пункт «Решение задачи ранжирования признаков», 
-стр. 205), 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 
-45
-важными по среднему значению? (Названия\индексы признаков и будут 
-ответом на задание).
-
-Задание по вариантам 2 вариант (22), взял 2 т.к. всего 20 вариант задания:
-2. Линейная регрессия (LinearRegression), Рекурсивное сокращение 
-признаков (Recursive Feature Elimination – RFE), Сокращение признаков 
-Случайными деревьями (Random Forest Regressor)
-
-Запуск приложения осуществляется запуском файла app.py
-
-Использованные технологии:
-Среда программирования Pycharm
-Версия языка python: 3.11
-Flask: Flask - это микрофреймворк для создания веб-приложений на языке Python. Он используется для создания веб-интерфейса и обработки HTTP-запросов и ответов.
-
-scikit-learn: Scikit-learn - это библиотека для машинного обучения в Python. В вашей программе она используется для обучения моделей машинного обучения, таких как линейная регрессия, RFE и случайный лес, а также для выполнения ранжирования признаков.
-
-NumPy: NumPy - это библиотека для научных вычислений в Python. Она используется для работы с массивами и матрицами данных.
-
-Pandas: Pandas - это библиотека для анализа данных. Она используется для создания и обработки данных, включая таблицы и структуры данных.
-
-MinMaxScaler: Это функция из библиотеки Scikit-learn, используемая для масштабирования оценок признаков в диапазоне [0, 1].
-
-HTML и шаблоны Jinja2: HTML - это язык разметки для создания веб-страниц, а Jinja2 - это шаблонный движок для вставки данных в HTML-шаблоны.
-
-HTTP и формы: Ваше приложение Flask обрабатывает HTTP-запросы и использует форму <form> для отправки данных при нажатии кнопки "Выполнить".
-
-Краткое описание работы программы:
-Сгенерированные данные: Программа создает случайные данные в виде матрицы X и вектора Y.
-
-Обучение моделей: Обучаются три модели машинного обучения: линейная регрессия, RFE (рекурсивное исключение признаков) и случайные леса, используя сгенерированные данные.
-
-Ранжирование признаков: Для каждой модели рассчитываются ранги признаков, отражающие их важность для прогнозирования целевой переменной Y.
-
-Средний ранг: Вычисляется средний ранг для каждого признака на основе результатов всех трех моделей.
-
-Вывод результатов: После нажатия кнопки "Выполнить" на веб-странице, программа отображает следующие результаты:
-
-Ранги признаков для каждой модели (линейная регрессия, RFE, случайные леса).
-Средний ранг признаков.
-Значения признаков X.
-Значения целевой переменной Y.
-4 самых важных признака на основе среднего ранга (по названиям).
-
-Пример входных данных:
-Случайные данные в виде матрицы X и вектора Y.
-
-Пример выходных данных:
-Ранги признаков для каждой модели (линейная регрессия, RFE, случайные леса).
-Средний ранг признаков.
-Значения признаков X.
-Значения целевой переменной Y.
-4 самых важных признака на основе среднего ранга (по названиям).

savenkov_alexander_lab_2/templates/index.html

@@ -1,73 +0,0 @@
-<!DOCTYPE html>
-<html lang="en">
-<head>
-    <meta charset="UTF-8">
-    <meta name="viewport" content="width=device-width, initial-scale=1.0">
-    <title>Feature Ranking</title>
-</head>
-<body>
-    <h1>Feature Ranking</h1>
-    <form method="POST">
-        <button type="submit">Выполнить</button>
-    </form>
-
-    <h2>Результаты ранжирования признаков</h2>
-    <table>
-        <tr>
-            <th>Метод</th>
-            <th>Признак 1</th>
-            <th>Признак 2</th>
-            <!-- Добавьте остальные признаки -->
-        </tr>
-        <tr>
-            <td>Линейная регрессия</td>
-            <td>{{ feature_rankings['Linear Regression'][0] if 'Linear Regression' in feature_rankings else '' }}</td>
-            <td>{{ feature_rankings['Linear Regression'][1] if 'Linear Regression' in feature_rankings else '' }}</td>
-        </tr>
-        <tr>
-            <td>RFE</td>
-            <td>{{ feature_rankings['RFE'][0] if 'RFE' in feature_rankings else '' }}</td>
-            <td>{{ feature_rankings['RFE'][1] if 'RFE' in feature_rankings else '' }}</td>
-        </tr>
-        <tr>
-            <td>Случайные деревья</td>
-            <td>{{ feature_rankings['Random Forest'][0] if 'Random Forest' in feature_rankings else '' }}</td>
-            <td>{{ feature_rankings['Random Forest'][1] if 'Random Forest' in feature_rankings else '' }}</td>
-        </tr>
-        <tr>
-            <td>Средняя оценка</td>
-            <td>{{ feature_rankings['Mean Ranking'][0] if 'Mean Ranking' in feature_rankings else '' }}</td>
-            <td>{{ feature_rankings['Mean Ranking'][1] if 'Mean Ranking' in feature_rankings else '' }}</td>
-        </tr>
-    </table>
-
-    <h2>Самые важные признаки</h2>
-    <ul>
-        {% for feature_name in top_4_feature_names %}
-            <li>{{ feature_name }}</li>
-        {% endfor %}
-    </ul>
-
-    <h2>Значения X</h2>
-    <table>
-    {% for row in X_values %}
-        <tr>
-        {% for value in row %}
-            <td>{{ value }}</td>
-            {% if loop.index % 10 == 0 %}</tr><tr>{% endif %}
-        {% endfor %}
-        </tr>
-    {% endfor %}
-    </table>
-
-    <h2>Значения Y</h2>
-    <table>
-    <tr>
-    {% for value in Y_values %}
-        <td>{{ value }}</td>
-        {% if loop.index % 10 == 0 %}</tr><tr>{% endif %}
-    {% endfor %}
-    </tr>
-    </table>
-</body>
-</html>