41 lines
3.1 KiB
Markdown
41 lines
3.1 KiB
Markdown
Вариант 2
|
||
|
||
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).
|
||
|
||
Данные:
|
||
Линейная регрессия (LinearRegression)
|
||
Рекурсивное сокращение признаков (Recursive Feature Elimination –RFE)
|
||
Сокращение признаков Случайными деревьями (Random Forest Regressor)
|
||
|
||
Запуск:
|
||
Запустите файл lab2.py
|
||
|
||
Описание программы:
|
||
1. Генерирует случайные данные для задачи регрессии с помощью функции make_regression, создавая матрицу признаков X и вектор целевой переменной y.
|
||
2. Создает DataFrame data, в котором столбцы представляют признаки, а последний столбец - целевую переменную.
|
||
3. Разделяет данные на матрицу признаков X и вектор целевой переменной y.
|
||
4. Создает список моделей для ранжирования признаков: линейной регрессии, рекурсивного сокращения признаков и сокращения признаков случайными деревьями.
|
||
5. Создает словарь model_scores для хранения оценок каждой модели.
|
||
6. Обучает и оценивает каждую модель на данных:
|
||
7. Вычисляет ранги признаков и нормализует их в диапазоне от 0 до 1.
|
||
8. Выводит оценки признаков каждой модели и их средние оценки.
|
||
9. Находит четыре наиболее важных признака по средней оценке и выводит их индексы и значения.
|
||
|
||
Результаты:
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
Выводы:
|
||
|
||
Четыре наиболее важных признака, определенных на основе средних оценок, включают Признак 6, Признак 1, Признак 2 и Признак 5. Эти признаки имеют наибольшую среднюю важность среди всех признаков.
|
||
|