72 lines
3.9 KiB
Markdown
72 lines
3.9 KiB
Markdown
# Лабораторная работа №2. Ранжирование признаков
|
||
## 12 вариант
|
||
___
|
||
|
||
### Задание:
|
||
Используя код из пункта «Решение задачи ранжирования признаков»,
|
||
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).
|
||
|
||
### Модели по варианту:
|
||
- Лассо (Lasso)
|
||
- Рекурсивное сокращение признаков (Recursive Feature Elimination – RFE)
|
||
- Линейная корреляция (f_regression)
|
||
|
||
___
|
||
|
||
### Запуск
|
||
- Запустить файл lab2.py
|
||
|
||
### Используемые технологии
|
||
- Язык программирования **Python**
|
||
- Среда разработки **PyCharm**
|
||
- Библиотеки:
|
||
* numpy
|
||
* sklearn
|
||
* matplotlib
|
||
|
||
### Описание программы
|
||
В качестве примера взята регрессионная проблема Фридмана. На вход
|
||
моделей подано 15 факторов. Выход рассчитывается по формуле, использующей
|
||
только пять факторов, но факторы 1-5, а также 10-15 взаимозависимы.
|
||
|
||
Последовательность действий:
|
||
1. Генерация данных по Фридману
|
||
2. Создание и обучение моделей по варианту
|
||
3. Ранжирование признаков по этим моделям с присвоением имён этим признакам
|
||
4. Вывод признаков моделей по убыванию значения оценки
|
||
5. Вывод среднего значения по каждому признакому по убыванию
|
||
|
||
Программа показывает, как разные виды регрессий оценят важности
|
||
факторов и какой из них будет иметь наибольшую среднюю значимость
|
||
по всем трём моделям по варианту.
|
||
|
||
---
|
||
### Пример работы
|
||
|
||
```text
|
||
---> Lasso <---
|
||
[('x15', 1.0), ('x2', 0.88), ('x1', 0.82), ('x4', 0.38), ('x5', 0.38), ('x11', 0.01), ('x3', 0.0), ('x6', 0.0), ('x7', 0.0), ('x8', 0.0), ('x9', 0.0), ('x10', 0.0), ('x12', 0.0), ('x13', 0.0), ('x14', 0.0)]
|
||
|
||
---> RFE <---
|
||
[('x9', 1.0), ('x12', 0.88), ('x10', 0.75), ('x6', 0.62), ('x7', 0.5), ('x11', 0.38), ('x8', 0.25), ('x4', 0.12), ('x1', 0.0), ('x2', 0.0), ('x3', 0.0), ('x5', 0.0), ('x13', 0.0), ('x14', 0.0), ('x15', 0.0)]
|
||
|
||
---> F_reg <---
|
||
[('x4', 1.0), ('x15', 1.0), ('x2', 0.34), ('x13', 0.34), ('x1', 0.3), ('x12', 0.29), ('x5', 0.07), ('x6', 0.01), ('x3', 0.0), ('x7', 0.0), ('x8', 0.0), ('x9', 0.0), ('x10', 0.0), ('x11', 0.0), ('x14', 0.0)]
|
||
|
||
Средния значения по каждому признаку:
|
||
[('x15', 0.67), ('x4', 0.5), ('x2', 0.41), ('x12', 0.39), ('x1', 0.37), ('x9', 0.33), ('x10', 0.25), ('x6', 0.21), ('x7', 0.17), ('x5', 0.15), ('x11', 0.13), ('x13', 0.11), ('x8', 0.08), ('x3', 0.0), ('x14', 0.0)]
|
||
```
|
||
|
||
---
|
||
|
||
### Вывод
|
||
Согласно выводу в консоль ранжированных признаков, был выявлен топ-4 самых важных признаков по среднему значению:
|
||
|
||
1. **x15**
|
||
2. **x4**
|
||
3. **x2**
|
||
4. **x12** |