## Лабораторная работа №2

### Ранжирование признаков

## ПИбд-41 Абанин Даниил

### Как запустить лабораторную работу:

* установить python, numpy, matplotlib, sklearn
* запустить проект (стартовая точка lab2)

### Какие технологии использовались:

* Язык программирования `Python`, библиотеки numpy, matplotlib, sklearn
* Среда разработки `PyCharm`

### Что делает лабораторная работа:

* Генерирует данные и обучает такие модели, как: LinearRegression, RandomizedLasso, Recursive Feature Elimination (RFE)
* Производиться ранжирование признаков с помощью моделей LinearRegression, RandomizedLasso, Recursive Feature Elimination (RFE)
* Отображение получившихся результатов: 4 самых важных признака по среднему значению, значения признаков для каждой модели


### 4 самых важных признака по среднему значению
* Параметр - x4, значение - 0.56
* Параметр - x1, значение - 0.45
* Параметр - x2, значение - 0.33
* Параметр - x9, значение - 0.33

####Linear Regression
[('x1', 1.0), ('x4', 0.69), ('x2', 0.61), ('x11', 0.59), ('x3', 0.51), ('x13', 0.48), ('x5', 0.19), ('x12', 0.19), ('x14', 0.12), ('x8', 0.03), ('x6', 0.02), ('x10', 0.01), ('x7', 0.0), ('x9', 0.0)]

####Recursive Feature Elimination
[('x9', 1.0), ('x7', 0.86), ('x10', 0.71), ('x6', 0.57), ('x8', 0.43), ('x14', 0.29), ('x12', 0.14), ('x1', 0.0), ('x2', 0.0), ('x3', 0.0), ('x4', 0.0), ('x5', 0.0), ('x11', 0.0), ('x13', 0.0)]

####Randomize Lasso
[('x4', 1.0), ('x2', 0.37), ('x1', 0.36), ('x5', 0.32), ('x6', 0.02), ('x8', 0.02), ('x3', 0.01), ('x7', 0.0), ('x9', 0.0), ('x10', 0.0), ('x11', 0.0), ('x12', 0.0), ('x13', 0.0), ('x14', 0.0)]

#### Результаты:

![Result](result.png)