# Лабораторная работа №2: Ранжирование признаков
## Задание. Вариант 8
Всего вариантов 20, мой вариант 28, поэтому взял 8 вариант

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).

8.Лассо (Lasso), Рекурсивное сокращение признаков (Recursive Feature Elimination –RFE), Сокращение признаков 
Случайными деревьями (Random Forest Regressor)

## Описание программы

Программа выполняет ранжирование признаков с использованием трех методов: Lasso (лассо), Рекурсивное сокращение 
признаков (RFE), и Сокращение признаков Случайными деревьями (Random Forest Regressor). Вводится набор случайных данных, 
содержащих 10 признаков, и генерируется целевая переменная на основе линейной комбинации этих признаков. 
В конце выводится 4 самых важных признака. 


## Как запустить лабораторную работу

1. Установите необходимые библиотеки:

    ```bash
    pip install numpy pandas scikit-learn
    ```

2. Запустите скрипт:

    ```bash
    python main.py
    ```

## Использованные технологии

- Python
- NumPy
- Pandas
- scikit-learn

## Что программа делает

Программа выполняет ранжирование признаков в данных с использованием трех различных методов:

1. Lasso (лассо): стремится уменьшить веса некоторых признаков до нуля, что может служить признаком их неважности.
2. Рекурсивное сокращение признаков (RFE): удаляет наименее значимые признаки на каждом шаге, создавая ранжированный 
список признаков.
3. Сокращение признаков Случайными деревьями (Random Forest Regressor): оценивает важность каждого признака на том, 
как часто признак используется для разделения данных в деревьях случайного леса.
4. Средняя оценка: Для каждого признака вычисляется среднее значение его оценок важности по трем методам. 
Это создает обобщенную меру важности для каждого признака.

Итоговый результат представлен в виде таблицы, где для каждого признака указаны его оценки важности по каждому методу, 
а также средняя оценка важности. Программа также выводит четыре признака с наивысшими средними оценками, считая их 
наиболее важными.

## Тесты

![Графики моделей](img.png)

## Вывод

_Анализ оценок признаков, проведенный с использованием трех различных методов ранжирования, выявил следующие ключевые 
выводы:
Feature_8 оценен как наиболее важный признак по всем трем методам. Feature_1, Feature_7 и Feature_3 также считаются 
важными, занимая второе, третье и четвертое место соответственно. Оценки признаков варьируются в зависимости от метода, 
что подчеркивает важность использования нескольких подходов для достоверного определения важности признаков. Важность 
признаков оценивается как среднее значение оценок по трем методам._

---