From fc2fe74052d2a3104bbe626561fe289f4563809e Mon Sep 17 00:00:00 2001 From: Arutunyan-Dmitry Date: Thu, 12 Oct 2023 20:01:33 +0400 Subject: [PATCH] arutunyan_dmitry_lab_2 is ready --- arutunyan_dmitry_lab_2/README.md | 109 +++++++++++++++++++++++++++++++ arutunyan_dmitry_lab_2/main.py | 69 +++++++++++++++++++ 2 files changed, 178 insertions(+) create mode 100644 arutunyan_dmitry_lab_2/README.md create mode 100644 arutunyan_dmitry_lab_2/main.py diff --git a/arutunyan_dmitry_lab_2/README.md b/arutunyan_dmitry_lab_2/README.md new file mode 100644 index 0000000..445fff9 --- /dev/null +++ b/arutunyan_dmitry_lab_2/README.md @@ -0,0 +1,109 @@ + +## Лабораторная работа 2. Вариант 4. +### Задание +Выполнить ранжирование признаков. Отобразить получившиеся значения\оценки каждого признака каждым методом\моделью и среднюю оценку. Провести анализ получившихся результатов. Какие четыре признака оказались самыми важными по среднему значению? + +Модели: + +- Гребневая регрессия `Ridge`, +- Случайное Лассо `RandomizedLasso`, +- Рекурсивное сокращение признаков `Recursive Feature Elimination – RFE` + +> **Warning** +> +> Модель "случайное лассо" `RandomizedLasso` была признана устаревшей в бибилотеке `scikit` версии 0.20. Её безболезненной заменой назван регрессор случайного леса `RandomForestRegressor`. Он будет использоваться в данной лабораторной вместо устаревшей функции. + +### Как запустить +Для запуска программы необходимо с помощью командной строки в корневой директории файлов прокета прописать: +``` +python main.py +``` + +### Используемые технологии +- Библиотека `numpy`, используемая для обработки массивов данных и вычислений +- Библиотека `sklearn` - большой набор функционала для анализа данных. Из неё были использованы инструменты: + - `LinearRegression` - инструмент работы с моделью "Линейная регрессия" + - `Ridge` - инструмент работы с моделью "Гребневая регрессия" + - `RFE` - инструмент оценки важности признаков "Рекурсивное сокращение признаков" + - `RandomForestRegressor` - инструмент работы с моделью "Регрессор случайного леса" + - `MinMaxScaler` - инструмент масштабирования значений в заданный диапазон + +### Описание работы +Программа генерирует данные для обучения моделей. Сначала генерируются признаки в количестве 14-ти штук, важность которых модели предстоит выявить. +```python +np.random.seed(0) +size = 750 +X = np.random.uniform(0, 1, (size, 14)) +``` +Затем задаётся функция зависимости выходных параметров от входных, представляющая собой регриссионную проблему Фридмана. +```python +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)) +``` +После чего, задаются зависимости переменных `x11 x12 x13 x14` от переменных `x1 x2 x3 x4`. +```python +X[:, 10:] = X[:, :4] + np.random.normal(0, .025, (size, 4)) +``` +Первая группа переменных должна быть обозначена моделями как наименее значимая. + +#### Работа с моделями +Первая модель `Ridge` - модель гребневой регрессии. +```python +ridge = Ridge(alpha=1) +ridge.fit(X, Y) +``` +Данная модель не предоставляет прямого способа оценки важности признаков, так как она использует линейную комбинацию всех признаков с коэффициентами, которые оптимизируются во время обучения модели. Можно лишь оценить относительную важность признаков на основе абсолютных значений коэффициентов, которые были найдены в процессе обучения. Получить данные коэфициенты от модели можно с помощью метода `.coef_`. + +Вторая модель `RandomForestRegressor` - алгоритм ансамбля случайных деревьев решений. Он строит множество деревьев, каждое из которых обучается на случайной подвыборке данных и случайном подмножестве признаков. +```python +rfr = RandomForestRegressor() +rfr.fit(X, Y) +``` +Важность признаков в Random Forest Regressor определяется на основе того, как сильно каждый признак влияет на уменьшение неопределенности в предсказаниях модели. Для получения оценок важности в данной модели используется функция `.feature_importances_`. + +Третий инструмент `Recursive Feature Elimination – RFE` - алгоритм отбора признаков, который используется для оценки и ранжирования признаков по их важности. +```python +lr = LinearRegression() +lr.fit(X, Y) +rfe = RFE(lr) +rfe.fit(X,Y) +``` +Оценка важности признаков в RFE происходит путем анализа, как изменяется производительность модели при удалении каждого признака. В зависимости от этого, каждый признак получает ранг. Массив рангов признаков извлекается функцией `.ranking_` + +#### Нормализация оценок +Модели `Ridge` и `RandomForestRegressor` рабботают по одинаковой логике вывода значимости оценок. В данных моделях оценки значимости параметров - веса значимости, которые они представляют для модели. Очевидно, что чем выше данный показатеь, тем более значимым является признак. Для нормализации оценок необходимо взять их по модулю и привести их к диапазону от 0 до 1. +```python +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) +``` +Инструмент `Recursive Feature Elimination – RFE` работает иначе. Класс выдает не веса при коэффициентах регрессии, а именно ранг для каждого признака. Так наиболее важные признаки будут иметь ранг – "1", а менее важные признаки ранг больше "1". Коэффициенты остальных моделей тем важнее, чем больше их абсолютное значение. Для нормализации таких рангов от 0 до 1, необходимо просто взять обратное число от величины ранга признака. +```python +new_ranks = [float(1 / x) for x in ranks] +new_ranks = map(lambda x: round(x, 2), new_ranks) +``` + +#### Оценка работы моделей +Для оценки результатов выведем выявленные оценки значимости признаков каждой модели, а также средние оценки значимости признаков всех моделей. +``` +Ridge +[('x4', 1.0), ('x1', 0.98), ('x2', 0.8), ('x14', 0.61), ('x5', 0.54), ('x12', 0.39), ('x3', 0.25), ('x13', 0.19), ('x11', 0.16), ('x6', 0.08), ('x8', 0.07), ('x7', 0.02), ('x10', 0.02), ('x9', 0.0)] +Recursive Feature Elimination +[('x1', 1.0), ('x2', 1.0), ('x3', 1.0), ('x4', 1.0), ('x5', 1.0), ('x11', 1.0), ('x13', 1.0), ('x12', 0.5), ('x14', 0.33), ('x8', 0.25), ('x6', 0.2), ('x10', 0.17), ('x7', 0.14), ('x9', 0.12)] +Random Forest Regression +[('x14', 1.0), ('x2', 0.84), ('x4', 0.77), ('x1', 0.74), ('x11', 0.36), ('x12', 0.35), ('x5', 0.28), ('x3', 0.12), ('x13', 0.12), ('x6', 0.01), ('x7', 0.01), ('x8', 0.01), ('x9', 0.01), ('x10', 0.0)] +Mean +[('x4', 0.92), ('x1', 0.91), ('x2', 0.88), ('x14', 0.65), ('x5', 0.61), ('x11', 0.51), ('x3', 0.46), ('x13', 0.44), ('x12', 0.41), ('x8', 0.11), ('x6', 0.1), ('x7', 0.06), ('x10', 0.06), ('x9', 0.04)] + +``` +- Модель `Ridge` верно выявила значимость признаков `x1, x2, x4, х5`, но потеряла значимый признак `x3` и ошибочно включила признак `x14` в значимые. +- Модель `RandomForestRegressor` также верно выявила значимость признаков `x1, x2, x4`, но потеряла значимые признаки `x3, х5` и ошибочно включила признак `x14` в значимые. +- Инсрумент `Recursive Feature Elimination – RFE` безошибочно выделил все значимые признаки `x1, x2, х3, x4, x5`, но ошибочно отметил признаки `x11, x13` как значимые. +- В среднем значимыми признаками были верно выявлены `x1, x2, x4, х5`, но значимый признак `x3` был потерян, а признаки `x11, х14` были признаны ошибочно значимыми. + + +### Вывод +Хужё всех показала себя модель `RandomForestRegressor`, потеряв два значимых признака и добавив один лишний. Модель `Ridge`и инструмент `Recursive Feature Elimination – RFE` допустили по одной ошибке, однако последний не потерял ни одного значимого признака. Значимость в среднем получилась неудовлетворительна и выдала три ошибки, как и первая модель. + +Исходя из этого, можно сделать вывод, что для ранжирования признаков лучше использовать специально созданные для этого инструменты по типу `Recursive Feature Elimination – RFE`, а не использовать коэфициенты признаков регрессионных моделей. \ No newline at end of file diff --git a/arutunyan_dmitry_lab_2/main.py b/arutunyan_dmitry_lab_2/main.py new file mode 100644 index 0000000..e3a556a --- /dev/null +++ b/arutunyan_dmitry_lab_2/main.py @@ -0,0 +1,69 @@ +from operator import itemgetter +import numpy as np +from sklearn.ensemble import RandomForestRegressor +from sklearn.feature_selection import RFE +from sklearn.linear_model import LinearRegression, Ridge +from sklearn.preprocessing import MinMaxScaler + + +np.random.seed(0) +size = 750 +X = np.random.uniform(0, 1, (size, 14)) # Генерируем исходные данные: 750 строк-наблюдений и 14 столбцов-признаков + +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)) # Задаем функцию-выход: регрессионную проблему Фридмана + +X[:, 10:] = X[:, :4] + np.random.normal(0, .025, (size, 4)) # Добавляем зависимость признаков + +ridge = Ridge(alpha=1) # Создаём модель гребневой регрессии и обучаем её +ridge.fit(X, Y) + +lr = LinearRegression() # Создаём модель линейной регрессии и обучаем её +lr.fit(X, Y) +rfe = RFE(lr) # На основе линейной модели выполняем рекурсивное сокращение признаков +rfe.fit(X,Y) + +rfr = RandomForestRegressor() # Создаём и обучаем регрессор случайного леса (используется вместо устаревшего рандомизированного лассо) +rfr.fit(X, Y) + + +def rank_ridge_rfr_to_dict(ranks, names): # Метод нормализации оценок важности для модели гребневой регрессии и регрессора случайного леса + 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 rank_rfe_to_dict(ranks, names): # Метод нормализации оценок важности для модели рекурсивного сокращения признаков + new_ranks = [float(1 / x) for x in ranks] + new_ranks = map(lambda x: round(x, 2), new_ranks) + return dict(zip(names, new_ranks)) + + +if __name__ == '__main__': + names = ["x%s" % i for i in range(1, 15)] + ranks = dict() + + ranks["Ridge"] = rank_ridge_rfr_to_dict(ridge.coef_, names) + ranks["Recursive Feature Elimination"] = rank_rfe_to_dict(rfe.ranking_, names) + ranks["Random Forest Regression"] = rank_ridge_rfr_to_dict(rfr.feature_importances_, names) + + for key, value in ranks.items(): # Вывод нормализованных оценок важности признаков каждой модели + ranks[key] = sorted(value.items(), key=itemgetter(1), reverse=True) + for key, value in ranks.items(): + print(key) + print(value) + + mean = {} # Нахождение средних значений оценок важности по 3м моделям + for key, value in ranks.items(): + for item in value: + 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) + mean = sorted(mean.items(), key=itemgetter(1), reverse=True) + print("Mean") + print(mean) -- 2.25.1