# Лабораторная 2
## Вариант 9

## Задание
Выполните  ранжирование  признаков  с  помощью  указанных  по вариантумоделей.  Отобразите  получившиеся  значения\оценки  каждого признака  каждым  методом\моделью  и  среднюю  оценку. Проведите анализ получившихся результатов.
## Модели

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

## Описание Программы
Данная программа решает задачу ранжирования признаков в задаче регрессии, используя три различные модели: Lasso, случайные деревья (Random Forest) и линейную корреляцию (f_regression). Каждая модель ранжирует признаки в соответствии с их важностью, а затем производится вычисление среднего ранжирования для каждого признака на основе результатов всех моделей.


### Используемые библиотеки
- `numpy`: Для работы с массивами и вычислений.
- `scikit-learn`: Библиотека машинного обучения для реализации моделей регрессии и методов ранжирования признаков.

### Шаги программы

Исходные данные: Генерация случайных данных для задачи регрессии, состоящей из 750 строк и 14 признаков.

Модели:

Lasso: Применение линейной модели Lasso с параметром альфа равным 0.05.
Random Forest: Использование ансамбля случайных деревьев с 100 деревьями.
Линейная корреляция (f_regression): Расчет коэффициентов корреляции между признаками и целевой переменной.
Ранжирование признаков:

Каждая модель ранжирует признаки в соответствии с их важностью.
Используется MinMaxScaler для нормализации значений рангов.
Среднее ранжирование:

Для каждого признака рассчитывается среднее значение его ранга по всем моделям.
Вывод результатов:

Выводится среднее ранжирование для каждого признака.
Показываются результаты ранжирования для каждой модели.
Выводится топ-4 признака с их значениями на основе среднего ранжирования.

### Запуск программы
- Склонировать или скачать код `main.py`.
- Запустите файл в среде, поддерживающей выполнение Python. `python main.py`

### Результаты
- Lasso
{'x1': 0.69, 'x2': 0.72, 'x3': 0.0, 'x4': 1.0, 'x5': 0.29, 'x6': 0.0, 'x7': 0.0, 'x8': 0.0, 'x9': 0.0, 'x10': 0.0, 'x11': 0.0, 'x12': 0.0, 'x13': 0.0, 'x14': 0.0}
- Random Forest
{'x1': 0.66, 'x2': 0.76, 'x3': 0.1, 'x4': 0.55, 'x5': 0.23, 'x6': 0.0, 'x7': 0.01, 'x8': 0.0, 'x9': 0.0, 'x10': 0.0, 'x11': 0.29, 'x12': 0.28, 'x13': 0.09, 'x14': 1.0}
- Correlation
{'x1': 0.3, 'x2': 0.45, 'x3': 0.0, 'x4': 1.0, 'x5': 0.04, 'x6': 0.0, 'x7': 0.01, 'x8': 0.02, 'x9': 0.01, 'x10': 0.0, 'x11': 0.29, 'x12': 0.44, 'x13': 0.0, 'x14': 0.98}
- Среднее
{'x1': 0.55, 'x2': 0.64, 'x3': 0.03, 'x4': 0.85, 'x5': 0.19, 'x6': 0.0, 'x7': 0.01, 'x8': 0.01, 'x9': 0.0, 'x10': 0.0, 'x11': 0.19, 'x12': 0.24, 'x13': 0.03, 'x14': 0.66}
- Топ 4 признака с их значениями на основе среднего ранжирования:
1. **x4:** 0.85
2. **x14:** 0.66
3. **x2:** 0.64
4. **x1:** 0.55