### Задание:

Лассо (Lasso), Сокращение признаков Случайными деревьями (Random Forest Regressor), Линейная корреляция (f_regression)

### Технологии:

Библиотека numpy, sklearn

### Что делает лабораторная работа:

Лабораторная работа примененяет регрессионне модели для определения важности признаков.
Программа ранжирует признаки по их значимости для задачи, сортирует средние ранги признаков в порядке убывания. Чем больше значение ранга, тем более значим признак.

### Как запустить:

Лабораторная работа запускается в файле shestakova_maria_lab_2.py через Run: результат выводится в консоль

### Примеры выходных значений

![result](result.png)

Вывод:
4 наиболее значимых признака - 'x4', 'x14', 'x2', 'x12'

Более подробный разбор:

1. Признаки 'x4', 'x14' имеют наивысшие ранги, они наиболее значимы в решении задачи
2. Признаки 'x2', 'x12', 'x11', 'x1' имеют средние ранги, они средне значимы
3. Признаки 'x5', 'x7' и 'x8' имеют низкие ранги, они относительно значимы
4. Признаки 'x9', 'x3', 'x10', 'x13' и 'x6' имеют крайне низкие ранги, они практически не значимы