[Jak używać metod zespołowych w uczeniu maszynowym w Pythonie]

Wprowadzenie

• W uczeniu nadzorowanym istnieje wiele różnych metod pomagających w przewidywaniu wyników, takich jak między innymi regresja liniowa lub logistyczna, k-Nearest Neighbour, Random Forest. Często najlepiej sprawdzają się w dokładnym przewidywaniu różnych punktów danych w populacji. Co jest jeszcze lepsze, jeśli możesz zbudować model, który łączy metody, aby uzyskać jeszcze większą dokładność lub precyzję. Nazywa się to metodą zespołową.
• Uczenie się nadzorowane ma zastosowanie do wielu dziedzin, w których dokonuje się prognoz, w tym zdrowia publicznego, marketingu i ekonomii.
• W tym poście pokażemy, w jaki sposób możemy wykorzystać uczenie maszynowe do budowania modelu predykcyjnego cukrzycy u rdzennych Amerykanów Pima i jak Ensemble Learning może poprawić prognozy.

Uczenie zespołowe polega na łączeniu więcej niż jednej techniki predykcyjnej w celu stworzenia dokładniejszego modelu predykcji.

Jak [Zespół]

1. Znaczenie czyszczenia

2. Znaczenie wiedzy o domenach

• Pierwsze inspekcje wykazały brak brakujących danych, ale połowa populacji miała 0 dla insuliny, a 30% populacji miało grubość SkinFold równą 0. Żadne z tych danych nie jest wykonalne, więc te zmienne były niewiarygodne. Mogły zostać przypisane, ale potencjalnie zniekształciłyby przewidywania.
• Badani, dla których inne zmienne wynosiły 0, odrzucono i usunięto około 6% populacji.

Metody regresji logistycznej, k-najbliższego sąsiedztwa i drzewa klasyfikacyjnego zostały wykorzystane samodzielnie, a następnie połączone w celu zwiększenia dokładności.

4) Korzystanie z walidacji krzyżowej i macierzy pomyłek

Korzystanie z walidacji krzyżowej (podział danych na 4 grupy i wykorzystanie 75% danych do trenowania i 25% do testowania podczas rotacji między 4 grupami w grupie testowej) do uczenia zespołowego może zbudować model do przewidywania cukrzycy lub nie, który jest dość dokładne.

Zamknięcie

Połączenie różnych technik uczenia nadzorowanego doprowadziło do dokładniejszego przewidywania niż użycie którejkolwiek z technik uczenia nadzorowanego.

Wezwanie do działania

Pełny notatnik Jupytera do tej analizy jest dostępny tutaj https://github.com/NZRufus/Pima-Indians-Diabetes

a więcej informacji na temat Ensemble znajdziesz tutaj kilka przydatnych linków 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/