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 важными по среднему значению? (Названия\индексы признаков и будут 
ответом на задание).

13 вариант:
Рекурсивное сокращение признаков (Recursive Feature Elimination
– RFE), Сокращение признаков Случайными деревьями (Random Forest
Regressor), Линейная корреляция (f_regression)

Чтобы Запустить приложение нужно запустить файл app.py


Технологии:

Flask: Фреймворк для создания веб-приложений на языке Python.
scikit-learn: Библиотека для машинного обучения в Python.
NumPy: Библиотека для работы с массивами и матрицами в Python.
pandas: Библиотека для обработки и анализа данных в Python.
Описание работы программы:
Программа создает веб-приложение для ранжирования признаков в сгенерированных данных. Используются три метода: линейная регрессия, рекурсивное сокращение признаков (RFE), и случайные деревья. Данные генерируются, модели обучаются, и затем вычисляются оценки важности признаков. Результаты отображаются на веб-странице.

Входные данные:

Сгенерированные данные X (матрица признаков) и Y (вектор целевых значений).
Выходные данные:

Результаты ранжирования признаков для линейной регрессии, RFE, случайных деревьев и среднее значение.
Самые важные признаки.