Я сразу приведу более правильный код, а потом объясню, что и как:
import numpy as np
import seaborn as sns
from sklearn.preprocessing import MinMaxScaler
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
data = pd.read_csv('data.csv')
scaler = MinMaxScaler()
linear_regression = LinearRegression()
X = data.drop(columns='target')
X = scaler.fit_transform(X)
y = data.target
model = linear_regression.fit(X, y)
weight_data = pd.DataFrame(zip(data.columns, model.coef_))
weight_data.columns = ['f', 'coeff']
weight_data = weight_data[weight_data.coeff.abs() > 0.01]
weight_data = weight_data.sort_values('coeff', ascending=False)
print(weight_data)
sns.barplot(x='coeff', y='f', data=weight_data);
plt.title('Коэффициенты/важность признаков');
Вывод:
f coeff
53 f54 489.356736
83 f84 370.082114
32 f33 367.383082
22 f23 285.648451
7 f8 239.417430
68 f69 179.345713
37 f38 112.168497
28 f29 107.357792
91 f92 77.969137
46 f47 12.506650

Итак, что тут важно:
- из матрицы признаков нужно убирать
target
, если вы его оставите, то понятно, что лучше всего target
коррелирует сам с собой, а остальное так - случайные флуктуации, что у вас и получилось - коэффициент у target
получился 0.9999...
, т.е. почти 1
, регрессия предсказала target
по нему же самому
- если вы хотите посчитать реальную важность признаков, то данные нужно масштабировать, иначе коэффициенты регрессии вам покажут не совсем то, что вы, возможно ожидаете, например, если у вас есть всего два признака и один признак имеет среднее
1000
, а другой 0.001
и при этом оба одинаково важны для вычисления target
, то у первого будет коэффициент 0.0005
, а у второго 500
, и как вы эти два числа будете сравнивать/воспринимать? а вот после масштабирования в один диапазон значений, например [0, 1]
оба признака будут иметь коэффициент 0.5
и всё будет понятно - это два одинаково важных признака
На ваших данных у меня получилось c LinearRegression
, что есть 10 более-менее важных признаков, а остальные имеют очень малую значимость, это просто шум.
И это я ещё не использовал регуляризацию и кросс-валидацию. А надо бы.
P.S. С ElasticNetCV
вообще другие фичи получаются важными и как-то по-другому картина выглядит, в общем, похоже, данные не так просты, и их ещё нужно изучать. Но основные ошибки вам в общем уже указали. Дальше нужно делать кросс-валидацию, смотреть насколько точно модель предсказывает, пробовать другие модели, делать визуализацию как признаков, так и их корреляции... В общем, это работа творческая.