#### Кондрашин Михаил ПИбд-41

## Лабораторная работа 2. Ранжирование признаков

### Задание:

* Линейная регрессия (LinearRegression)
* Сокращение признаков случайными деревьями (Random Forest Regressor) 
* Линейная корреляция (f_regression)

### Запуск лабораторной работы:

* установить `python`, `numpy`, `matplotlib`, `sklearn`
* запустить проект (стартовая точка класс `main.py`)

### Используемые технологии:

* Язык программирования `Python`,
* Библиотеки `numpy`, `matplotlib`, `sklearn`
* Среда разработки `IntelliJ IDEA` (В версии "Ultimate edition" можно писать на python)

### Описание решения:

Программа выполняет ранжирование признаков для регрессионной модели:
* Линейная регрессия (LinearRegression)
* Сокращение признаков Случайными деревьями (Random Forest Regressor)
* Линейная корреляция (f_regression)

*14 признаков
*750 наблюдений

### Результат:
![Result](images/result.png)
* Лучше всего показал себя метод линейной корреляции (x4, x14, x2, x12). Хотя признаки x1 и x3 не были выявлены, их влияние может быть учтено через скоррелированные параметры x12 и x14.
* Самые важные признаки по среднему значению: x1, x4, x2, x11