# 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>