2.6 KiB
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 важными по среднему значению? (Названия\индексы признаков и будут ответом на задание).
8 вариант: Лассо (Lasso), Рекурсивное сокращение признаков (Recursive Feature Elimination – RFE), Сокращение признаков Случайными деревьями (Random Forest Regressor)
Запуск через файл app.py
Технологии:
Flask: веб-фреймворк для Python, используется для создания веб-приложения. scikit-learn: библиотека машинного обучения для Python, в данном случае, используется для реализации методов машинного обучения, таких как Lasso, RFE и Random Forest Regressor. NumPy: библиотека для выполнения вычислений с массивами и матрицами в Python. Описание работы программы:
Генерация случайных данных X и Y. Обучение моделей машинного обучения (Lasso, RFE, Random Forest Regressor) на сгенерированных данных. Ранжирование признаков с использованием различных методов. Визуализация результатов ранжирования и отображение наиболее важных признаков. Входные данные:
X: массив случайных данных размером (750, 14). Y: массив случайных данных размером (750,). Выходные данные:
Веб-страница с результатами ранжирования признаков для каждого метода, списком самых важных признаков и таблицами значений X и Y.