60 lines
5.3 KiB
Markdown
60 lines
5.3 KiB
Markdown
Общее 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
|
||
45
|
||
важными по среднему значению? (Названия\индексы признаков и будут
|
||
ответом на задание).
|
||
|
||
Задание по вариантам 2 вариант (22), взял 2 т.к. всего 20 вариант задания:
|
||
2. Линейная регрессия (LinearRegression), Рекурсивное сокращение
|
||
признаков (Recursive Feature Elimination – RFE), Сокращение признаков
|
||
Случайными деревьями (Random Forest Regressor)
|
||
|
||
Запуск приложения осуществляется запуском файла app.py
|
||
|
||
Использованные технологии:
|
||
Среда программирования Pycharm
|
||
Версия языка python: 3.11
|
||
Flask: Flask - это микрофреймворк для создания веб-приложений на языке Python. Он используется для создания веб-интерфейса и обработки HTTP-запросов и ответов.
|
||
|
||
scikit-learn: Scikit-learn - это библиотека для машинного обучения в Python. В вашей программе она используется для обучения моделей машинного обучения, таких как линейная регрессия, RFE и случайный лес, а также для выполнения ранжирования признаков.
|
||
|
||
NumPy: NumPy - это библиотека для научных вычислений в Python. Она используется для работы с массивами и матрицами данных.
|
||
|
||
Pandas: Pandas - это библиотека для анализа данных. Она используется для создания и обработки данных, включая таблицы и структуры данных.
|
||
|
||
MinMaxScaler: Это функция из библиотеки Scikit-learn, используемая для масштабирования оценок признаков в диапазоне [0, 1].
|
||
|
||
HTML и шаблоны Jinja2: HTML - это язык разметки для создания веб-страниц, а Jinja2 - это шаблонный движок для вставки данных в HTML-шаблоны.
|
||
|
||
HTTP и формы: Ваше приложение Flask обрабатывает HTTP-запросы и использует форму <form> для отправки данных при нажатии кнопки "Выполнить".
|
||
|
||
Краткое описание работы программы:
|
||
Сгенерированные данные: Программа создает случайные данные в виде матрицы X и вектора Y.
|
||
|
||
Обучение моделей: Обучаются три модели машинного обучения: линейная регрессия, RFE (рекурсивное исключение признаков) и случайные леса, используя сгенерированные данные.
|
||
|
||
Ранжирование признаков: Для каждой модели рассчитываются ранги признаков, отражающие их важность для прогнозирования целевой переменной Y.
|
||
|
||
Средний ранг: Вычисляется средний ранг для каждого признака на основе результатов всех трех моделей.
|
||
|
||
Вывод результатов: После нажатия кнопки "Выполнить" на веб-странице, программа отображает следующие результаты:
|
||
|
||
Ранги признаков для каждой модели (линейная регрессия, RFE, случайные леса).
|
||
Средний ранг признаков.
|
||
Значения признаков X.
|
||
Значения целевой переменной Y.
|
||
4 самых важных признака на основе среднего ранга (по названиям).
|
||
|
||
Пример входных данных:
|
||
Случайные данные в виде матрицы X и вектора Y.
|
||
|
||
Пример выходных данных:
|
||
Ранги признаков для каждой модели (линейная регрессия, RFE, случайные леса).
|
||
Средний ранг признаков.
|
||
Значения признаков X.
|
||
Значения целевой переменной Y.
|
||
4 самых важных признака на основе среднего ранга (по названиям). |