[Cómo utilizar métodos de conjunto en el aprendizaje automático en Python]

Introducción

• En el aprendizaje supervisado, existen muchos métodos diferentes para ayudar a predecir resultados, como regresión lineal o logística, k-vecino más cercano, bosque aleatorio, entre otros. A menudo funcionan mejor para predecir con precisión diferentes puntos de datos en la población. Lo que es aún mejor si puede construir un modelo que combine los métodos para obtener aún más exactitud o precisión. A esto se le llama método de conjunto.
• El aprendizaje supervisado se aplica a una amplia gama de campos en los que se realizan predicciones, incluida la salud pública, el marketing y la economía.
• En esta publicación, mostraremos cómo podemos usar el aprendizaje automático para construir un modelo predictivo de diabetes en los nativos americanos Pima y cómo Ensemble Learning puede mejorar las predicciones.

El aprendizaje conjunto es cuando se combinan más de una técnica predictiva para hacer un modelo más preciso para las predicciones.

Cómo [Ensemble]

1. Importancia de la limpieza

2. Importancia del conocimiento del dominio

• Las primeras inspecciones sugirieron que no faltaban datos, pero la mitad de la población tenía 0 para insulina y el 30% de la población tenía un grosor del pliegue cutáneo de 0. Ninguno de estos es factible, por lo que estas variables no eran confiables. Podrían haber sido imputados pero potencialmente distorsionarían las predicciones.
• Los sujetos en los que otras variables eran 0 se eliminaron y aproximadamente el 6% de la población se eliminó.

Los métodos de regresión logística, k-vecino más cercano y árbol de clasificación se utilizaron por sí mismos y luego se combinaron para mejorar la precisión.

4) Uso de la matriz de confusión y validación cruzada

El uso de la validación cruzada (dividiendo los datos en 4 grupos y usando el 75% de los datos para entrenar y el 25% para probar mientras se rota entre los 4 grupos para el grupo de prueba) para el aprendizaje en conjunto puede construir un modelo para predecir la diabetes o no, es decir. razonablemente exacto.

Clausura

La combinación de diferentes técnicas de aprendizaje supervisado condujo a una predicción más precisa que el uso de cualquiera de las técnicas de aprendizaje supervisado.

Llamada a la acción

El cuaderno de Jupyter completo para este análisis está disponible aquí https://github.com/NZRufus/Pima-Indians-Diabetes

y para obtener más información sobre Ensemble, aquí hay algunos enlaces útiles https://www.datacamp.com/community/tutorials/ensemble-learning-python ,

https://machinelearningmastery.com/ensemble-machine-learning-algorithms-python-scikit-learn/ , https://www.geeksforgeeks.org/ensemble-methods-in-python/