43 lines
2.9 KiB
Markdown
43 lines
2.9 KiB
Markdown
## Задание
|
||
Выполнить ранжирование признаков с помощью указанных по варианту моделей.
|
||
Отобразить получившиеся значения\оценки каждого признака каждым методом\моделью и среднюю оценку.
|
||
Провести анализ получившихся результатов.
|
||
Указать самые значимые четыре признака по среднему значению
|
||
|
||
Вариант №10
|
||
|
||
Методы:
|
||
+ Линейная регрессия
|
||
+ Лассо
|
||
+ Рекурсивное сокращение признаков
|
||
|
||
## Используемые технологии
|
||
В лабораторной были использованы библиотеки:
|
||
+ numpy - позволяет работать с массивами и матрицами
|
||
+ pandas - позволяет работать с наборами данных
|
||
+ sklearn - используется для работы с моделями и методами машинного обучения
|
||
+ Flask - предоставляет способ быстрого создания веб-страниц для визуализации работы приложения
|
||
|
||
## Используемые компоненты
|
||
+ LinearRegression - библиотечная реализация модели линейной регрессии
|
||
+ Lasso - модификация линейной регрессии
|
||
+ RFE - модель рекурсивноего исключения признаков
|
||
|
||
## Как запустить
|
||
Запустить файл flask-server, который поднимет локальный сервер
|
||
и позволит обратиться к программе через браузер по ссылке [http://127.0.0.1:5000/](http://127.0.0.1:5000/)
|
||
|
||
## Что делает программа
|
||
Генерирует набор данных с 14 признаками размером 750, делит его на обучающую и тестовую выборки.
|
||
По очереди обучает на данных обучающей выборки 3 модели:
|
||
модель линейной регрессии, модель лассо и модель рекурсивного сокращения признаков.
|
||
|
||
После обучения из каждой модели берутся оценки значимостей признаков.
|
||
Исходя из полученных оценок высчитываются средние оценки для признаков,
|
||
полученные данные отражаеются в виде таблицы. Указываются самые значимые 4 признака
|
||
|
||
## Скриншоты работы программы
|
||
|
||
Полученные оценки значимости признаков
|
||
|