IIS_2023_1/kurmyza_pavel_lab_2
2023-10-22 19:15:28 +04:00
..
main.py kurmyza_pavel_lab_2 is ready 2023-10-22 19:15:28 +04:00
README.md kurmyza_pavel_lab_2 is ready 2023-10-22 19:15:28 +04:00

Лабораторная работа №2

ПИбд-41, Курмыза Павел, Вариант 13

Как запустить ЛР

  • Запустить файл main.py

Используемые технологии

  • Язык программирования Python
  • Библиотеки: sklearn, numpy

Что делает программа

Выполняет ранжирование 14 признаков для регрессионной проблемы Фридмана с помощью моделей:

  • Рекурсивное сокращение признаков (Recursive Feature Elimination RFE)
  • Сокращение признаков Случайными деревьями (Random Forest Regressor)
  • Линейная корреляция (f_regression)

Отображение получившихся результатов: 4 самых важных признака по среднему значению, значения признаков для каждой модели.

Результаты

RFE

{'x1': 1.0, 'x2': 1.0, 'x3': 1.0, 'x4': 1.0, 'x5': 1.0, 'x11': 1.0, 'x13': 1.0, 'x12': 0.86, 'x14': 0.71, 'x8': 0.57, ' x6': 0.43, 'x10': 0.29, 'x7': 0.14, 'x9': 0.0}

RFR

{'x14': 1.0, 'x2': 0.84, 'x4': 0.77, 'x1': 0.74, 'x11': 0.36, 'x12': 0.35, 'x5': 0.28, 'x3': 0.12, 'x13': 0.12, 'x6': 0.01, 'x7': 0.01, 'x8': 0.01, 'x9': 0.01, 'x10': 0.0}

f_regression

{'x4': 1.0, 'x14': 0.97, 'x2': 0.57, 'x12': 0.56, 'x1': 0.44, 'x11': 0.43, 'x5': 0.17, 'x8': 0.13, 'x7': 0.1, 'x9': 0.08, 'x10': 0.05, 'x6': 0.04, 'x3': 0.01, 'x13': 0.0}

Средние значения

{'x1': 0.33, 'x2': 0.33, 'x3': 0.33, 'x4': 0.33, 'x5': 0.33, 'x11': 0.33, 'x13': 0.33, 'x12': 0.29, 'x14': 0.24, 'x8': 0.19, 'x6': 0.14, 'x10': 0.1, 'x7': 0.05, 'x9': 0.0}

Вывод

По итогу тестирования было выявлено:

  1. Модель рекурсивного сокращения признаков отдала предпочтение многим важным параметрам таким как x1, x2, x3, x4, x5, x11, x13, x12, x14.
  2. Модель сокращения признаков случайными деревьями выявила в качестве важных признаков x14, x2, x4, x1. Несмотря на то, что признак x3 не был выявлен, его влияние может быть учтено через скоррелированный параметр x14.
  3. Метод линейной корреляции (f_regression) сделал наилучшее взвешивание, отдав предпочтение прзинакам x4, x14, x2, x12. Несмотря на то, что признаки x1 и x3 не были выявлены, их влияние может быть учтено через скоррелированные параметры x12 и x14.

Согласно среднему значению, важными признаками являются: x1, x2, x3, x4, x5.