---
title: "ЛР_2"
author: "Ivan_233_331"
date: "2026-10-19"
output: html_document
---

Задание 1.1 CARET и featurePlot()

```{r}
library(caret)
models <- names(getModelInfo())
length(models)
head(models, 10)
```
```{r}
set.seed(123)
x <- matrix(rnorm(50 * 5), ncol = 5)
y <- factor(rep(c("A", "B"), 25))
colnames(x) <- paste0("X", 1:5)

jpeg("featurePlot_pairs.jpg", width = 800, height = 800)
featurePlot(x = x, y = y, plot = "pairs")
dev.off()

featurePlot(x = x, y = y, plot = "density")

jpeg("featurePlot_pairs.jpg", width = 800, height = 800) # Сохраняем в файл
featurePlot(x = x, y = y, plot = "pairs")
dev.off()                                                # Закрываем файл

featurePlot(x = x, y = y, plot = "pairs")

jpeg("featurePlot_box.jpg", width = 800, height = 800) 
featurePlot(x = x, y = y, plot = "box")
dev.off() 

featurePlot(x = x, y = y, plot = "box") 
```


Задание 2. Определение важности признаков с помощью FSelector
```{r}
library(FSelector)
data(iris)
str(iris)
```
```{r}
weights <- information.gain(Species ~ ., data = iris)
print(weights)
```
```{r}
best_features <- cutoff.k(weights, 2)
print(best_features)

formula <- as.simple.formula(best_features, "Species")
print(formula)
```
 
 Задание 3. Дискретизация непрерывной переменной с помощью arules

```{r}
library(arules)
```


```{r}
x <- iris$Sepal.Length
```
```{r}
# 1) Метод "interval" (равная ширина интервала)
# Разобьем на 3 интервала
d_interval <- discretize(x, method = "interval", breaks = 3)
print("Метод: interval (равная ширина)")
table(d_interval)
```

```{r}
# 2) Метод "frequency" (равная частота)
# Постарается сделать по ~50 наблюдений в каждой группе
d_frequency <- discretize(x, method = "frequency", breaks = 3)
print("Метод: frequency (равная частота)")
table(d_frequency)
```
```{r}
# 3) Метод "cluster" (кластеризация k-means)
d_cluster <- discretize(x, method = "cluster", breaks = 3)
print("Метод: cluster (кластеризация)")
table(d_cluster)
```
```{r}
# 4) Метод "fixed" (фиксированные границы)
# Вручную зададим границы: до 5.5, от 5.5 до 6.5, и больше 6.5
d_fixed <- discretize(x, method = "fixed", breaks = c(-Inf, 5.5, 6.5, Inf))
print("Метод: fixed (фиксированные границы)")
table(d_fixed)
```

Задание 4. Отбор признаков с помощью пакета Boruta

```{r}
library(Boruta)
library(mlbench)
data(Ozone)
ozone_clean <- na.omit(Ozone)
set.seed(1)

# Вот эта строка создает объект (ждите завершения!)
boruta_output <- Boruta(V4 ~ ., data = ozone_clean, doTrace = 0)

# А вот теперь печать сработает
print(attStats(boruta_output))
plot(boruta_output, cex.axis = 0.7, las = 2, main = "Отбор признаков Boruta для набора Ozone")

jpeg("boruta_ozone_boxplot.jpg", width = 1000, height = 600)
plot(boruta_output, cex.axis = 0.7, las = 2, main = "Отбор признаков Boruta для набора Ozone")
dev.off()
```