Il potere dell'ensemble
[Come utilizzare i metodi Ensemble nell'apprendimento automatico in Python]
introduzione
- Nell'apprendimento supervisionato, ci sono molti metodi diversi per aiutare a prevedere i risultati come la regressione lineare o logistica, k-Nearest Neighbour, Random Forest tra gli altri. Spesso funzionano meglio per prevedere con precisione punti dati diversi nella popolazione. Cosa c'è di meglio se puoi costruire un modello che combini i metodi per ottenere ancora più accuratezza o precisione. Questo è chiamato il metodo dell'insieme.
- L'apprendimento supervisionato si applica a un'ampia gamma di campi in cui vengono effettuate previsioni, tra cui la salute pubblica, il marketing e l'economia.
- In questo post mostreremo come possiamo utilizzare l'apprendimento automatico per costruire un modello predittivo per il diabete nei nativi americani Pima e come Ensemble Learning può migliorare le previsioni.
L'apprendimento di insieme consiste nell'assemblare più di una tecnica predittiva insieme per creare un modello più accurato per le previsioni.
Come [Insieme]
- Importanza della pulizia
2. Importanza della conoscenza del dominio
- Le prime ispezioni non hanno suggerito dati mancanti, ma la metà della popolazione aveva 0 per l'insulina e il 30% della popolazione aveva uno spessore di piegatura della pelle pari a 0. Nessuno di questi è fattibile, quindi queste variabili non erano affidabili. Potrebbero essere stati imputati, ma potrebbero potenzialmente distorcere le previsioni.
- I soggetti in cui altre variabili erano 0 sono stati eliminati e circa il 6% della popolazione rimosso.
I metodi di regressione logistica, k-vicino più vicino e albero di classificazione sono stati utilizzati da soli e poi messi insieme per migliorare la precisione.
4) Utilizzo della convalida incrociata e della matrice di confusione
L'utilizzo della convalida incrociata (suddivisione dei dati in 4 gruppi e utilizzo del 75% dei dati per l'addestramento e del 25% per il test durante la rotazione tra i 4 gruppi per il gruppo di test) per l'apprendimento dell'insieme può costruire un modello per prevedere il diabete o meno. ragionevolmente accurato.
Chiusura
L'assemblaggio di diverse tecniche di apprendimento supervisionato ha portato a una previsione più accurata rispetto all'utilizzo di una qualsiasi delle tecniche di apprendimento supervisionato.
Chiamare all'azione
Il Notebook Jupyter completo per questa analisi è disponibile qui https://github.com/NZRufus/Pima-Indians-Diabetes
e per maggiori informazioni su Ensemble ecco alcuni link utili 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/
Suggested posts
Implementazione della memoria associativa
Scritto da Shashata Sawmya e Harveer Singh Con l'avvento delle grandi reti neurali e i sempre crescenti progressi tecnologici che spingono i metodi attuali al loro limite assoluto, l'attenzione si è concentrata sulla creazione di uno strumento universale che mira a fare tutto. Tuttavia, la maggior parte delle attività non richiederebbe le reti profonde incredibilmente intense, ma comunque qualcosa di più versatile dei modelli matematici di base.
Come eseguire i plug-in ChatGPT gratuitamente utilizzando Langchain
Devi aver sentito parlare di tutti i nuovi potenti plug-in ChatGPT come Browser, Code Interpreter ecc. Ma c'è un problema, l'accesso ai plug-in è limitato a una lista di attesa e quindi molti non hanno accesso ad essa.
Related posts
Cosa puoi fare nella tua stagione di attesa (in attesa di ottenere il tuo primo lavoro nella tecnologia)
Il passaggio a una nuova carriera può essere estremamente impegnativo se provi a farlo da solo. È importante trovare partner responsabili che abbiano il tuo stesso livello di apprendimento, che condividano obiettivi, tenacia e determinazione simili.
La sfida di lettura di Goodreads è tossica
Il prurito alla mano si diffuse mentre mercanteggiavo con il libraio locale per un altro libro. Questo libro, come il resto che ho acquistato di recente, troverebbe il suo trono nella mia pila "Da leggere" (TBR); eppure l'ho comprato.
Come salvare il pianeta e fare soldi
Quante volte vi è capitato di buttare via una bottiglia di plastica, un barattolo di vetro, una lattina di alluminio o una confezione di energia green senza pensarci due volte? Quante volte hai desiderato di poter ottenere qualcosa in cambio del loro riciclaggio? Se sei come la maggior parte delle persone, la risposta è probabilmente molte volte. Il riciclaggio è spesso visto come una seccatura, un lavoro di routine o un dovere che non porta alcun beneficio immediato o tangibile.