2.1 KiB
2.1 KiB
Лабораторная работа №2
Ранжирование признаков
ПИбд-41 Абанин Даниил
Как запустить лабораторную работу:
- установить python, numpy, matplotlib, sklearn
- запустить проект (стартовая точка lab2)
Какие технологии использовались:
- Язык программирования
Python, библиотеки numpy, matplotlib, sklearn - Среда разработки
PyCharm
Что делает лабораторная работа:
- Генерирует данные и обучает такие модели, как: LinearRegression, RandomizedLasso, Recursive Feature Elimination (RFE)
- Производиться ранжирование признаков с помощью моделей LinearRegression, RandomizedLasso, Recursive Feature Elimination (RFE)
- Отображение получившихся результатов: 4 самых важных признака по среднему значению, значения признаков для каждой модели
4 самых важных признака по среднему значению
- Параметр - x4, значение - 0.56
- Параметр - x1, значение - 0.45
- Параметр - x2, значение - 0.33
- Параметр - x9, значение - 0.33
####Linear Regression [('x1', 1.0), ('x4', 0.69), ('x2', 0.61), ('x11', 0.59), ('x3', 0.51), ('x13', 0.48), ('x5', 0.19), ('x12', 0.19), ('x14', 0.12), ('x8', 0.03), ('x6', 0.02), ('x10', 0.01), ('x7', 0.0), ('x9', 0.0)]
####Recursive Feature Elimination [('x9', 1.0), ('x7', 0.86), ('x10', 0.71), ('x6', 0.57), ('x8', 0.43), ('x14', 0.29), ('x12', 0.14), ('x1', 0.0), ('x2', 0.0), ('x3', 0.0), ('x4', 0.0), ('x5', 0.0), ('x11', 0.0), ('x13', 0.0)]
####Randomize Lasso [('x4', 1.0), ('x2', 0.37), ('x1', 0.36), ('x5', 0.32), ('x6', 0.02), ('x8', 0.02), ('x3', 0.01), ('x7', 0.0), ('x9', 0.0), ('x10', 0.0), ('x11', 0.0), ('x12', 0.0), ('x13', 0.0), ('x14', 0.0)]
Результаты:
