[Cara menggunakan Metode Ensemble dalam Pembelajaran Mesin dengan Python]

pengantar

• Dalam Supervised Learning, ada banyak metode berbeda untuk membantu dalam memprediksi hasil seperti regresi linier atau logistik, k-Nearest Neighbour, Random Forest antara lain. Mereka sering bekerja paling baik dalam memprediksi titik data yang berbeda secara akurat dalam populasi. Apa yang lebih baik jika Anda dapat membangun model yang menggabungkan metode untuk mendapatkan akurasi atau presisi yang lebih tinggi. Ini disebut metode ansambel.
• Pembelajaran yang diawasi berlaku untuk berbagai bidang di mana prediksi dibuat termasuk kesehatan masyarakat, pemasaran dan ekonomi.
• Dalam posting ini kami akan menunjukkan bagaimana kami dapat menggunakan pembelajaran mesin untuk membangun model prediktif untuk diabetes di Pima Penduduk Asli Amerika dan bagaimana Ensemble Learning dapat meningkatkan prediksi.

Pembelajaran ensemble adalah ketika menggabungkan lebih dari satu teknik prediksi bersama-sama untuk membuat model prediksi yang lebih akurat.

Cara [Ensemble]

1. Pentingnya Membersihkan

2. Pentingnya Pengetahuan Domain

• Inspeksi pertama menunjukkan tidak ada data yang hilang tetapi setengah dari populasi memiliki 0 untuk insulin dan 30% populasi memiliki Ketebalan Lipatan Kulit 0. Tak satu pun dari ini layak sehingga variabel-variabel ini tidak dapat diandalkan. Mereka bisa saja diperhitungkan tetapi berpotensi mendistorsi prediksi.
• Subyek di mana variabel lain adalah 0 dijatuhkan dan sekitar 6% dari populasi dihapus.

Metode Regresi Logistik, k-Nearest Neighbor dan Pohon Klasifikasi digunakan sendiri dan kemudian digabungkan bersama untuk meningkatkan akurasi.

4) Menggunakan Validasi Silang dan Matriks Kebingungan

Menggunakan Cross-validation (membagi data menjadi 4 kelompok dan menggunakan 75% data untuk melatih dan 25% untuk menguji sambil berputar di antara 4 kelompok untuk kelompok uji) untuk pembelajaran ensemble dapat membangun model untuk memprediksi diabetes atau tidak yaitu cukup akurat.

Penutupan

Menggabungkan teknik pembelajaran terawasi yang berbeda menghasilkan prediksi yang lebih akurat daripada menggunakan salah satu teknik pembelajaran terawasi.

Panggilan untuk bertindak

Notebook Jupyter lengkap untuk analisis ini tersedia di sini https://github.com/NZRufus/Pima-Indians-Diabetes

dan untuk informasi lebih lanjut tentang Ensemble, berikut adalah beberapa tautan berguna 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/