# IIS_2023_1
<h4>Задание</h4>
<p>
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).
</p>
<p>
7 Вариант.
<ul>
    <li>Лассо (Lasso)</li>
    <li>Случайное лассо (RandomizedLasso) </li>
    <li>Рекурсивное сокращение признаков (Recursive Feature Elimination –RFE)</li>
</ul>
<h4>Как запустить программу</h4>
Запустить скрипт verina_daria_lab_2/main.py, после чего в консоль будут выведены результаты выполнения программы.
<h4>Стек технологий</h4>
<p>
    <ul>
        <li>NumPy - это библиотека Python, предоставляющая поддержку для больших, многомерных массивов и матриц, а также набор функций для их манипуляции и обработки.</li>
        <li>Sklearn - предоставляет ряд инструментов для моделирования данных, включая классификацию, регрессию, кластеризацию и уменьшение размерности. </li>
        <li>pandas - программная библиотека на языке Python для обработки и анализа данных.</li>
</ul>

<h4>Описание кода</h4>
<p>
Программа выполняет ранжирование и сравнение признаков с использованием трех различных методов: LassoCV, Lasso и Random Forest для последующего их ранжирования и обрабатывает тремя моделями по варианту.
Таким образом можно легко определить наиважнейшие признаки.
</p>
<h6>Результат: </h6>
<img src="result1.png">
<img src="result2.png">
<p>
<ul>
   <li>Вывод: по среднему значению самыми важными признаками являются 2, 4, 12 и 13 признаки</li>
</ul>
</p>