[Como usar os métodos do Ensemble no aprendizado de máquina em Python]

Introdução

• Na Aprendizagem Supervisionada, existem muitos métodos diferentes para auxiliar na previsão de resultados, como regressão linear ou logística, k-vizinho mais próximo, floresta aleatória, entre outros. Freqüentemente, eles funcionam melhor em prever com precisão diferentes pontos de dados na população. O que é ainda melhor se você puder construir um modelo que combine os métodos para obter ainda mais exatidão ou precisão. Isso é chamado de método de conjunto.
• A aprendizagem supervisionada se aplica a uma ampla gama de campos onde as previsões são feitas, incluindo saúde pública, marketing e economia.
• Neste post, mostraremos como podemos usar o aprendizado de máquina para construir um modelo preditivo para diabetes em nativos americanos Pima e como o Ensemble Learning pode melhorar as previsões.

Aprendizagem por conjunto é quando agrupar mais de uma técnica preditiva para fazer um modelo mais preciso para previsões.

Como [Ensemble]

1. Importância da Limpeza

2. Importância do Conhecimento de Domínio

• As primeiras inspeções sugeriram que não havia dados faltantes, mas metade da população tinha 0 para insulina e 30% da população tinha Espessura de SkinFold de 0. Nenhum desses dados é viável, portanto, essas variáveis ​​não eram confiáveis. Eles poderiam ter sido imputados, mas potencialmente distorceriam as previsões.
• Assuntos onde outras variáveis ​​eram 0 foram descartados e cerca de 6% da população removida.

Os métodos de regressão logística, k-vizinho mais próximo e árvore de classificação foram usados ​​isoladamente e, em seguida, agrupados para melhorar a precisão.

4) Usando validação cruzada e matriz de confusão

Usando a validação cruzada (dividindo dados em 4 grupos e usando 75% dos dados para treinar e 25% para testar enquanto gira entre os 4 grupos para o grupo de teste) para o aprendizado conjunto pode construir um modelo para prever diabetes ou não. razoavelmente preciso.

Fechando

A combinação de diferentes técnicas de aprendizado supervisionado levou a uma previsão mais precisa do que usar qualquer uma das técnicas de aprendizado supervisionado.

Call-to-Action

O Jupyter Notebook completo para esta análise está disponível aqui https://github.com/NZRufus/Pima-Indians-Diabetes

e para obter mais informações sobre o Ensemble, aqui estão alguns links úteis 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/