Treinando modelos

Machine Learning de ponta a ponta

Joshua Stapleton

Machine Learning Engineer

Navalha de Occam

A explicação satisfatória mais simples é a melhor
Prefira modelos simples na escolha

Imagem de exemplo mostrando o princípio da Navalha de Occam

Opções de modelagem

Regressão Logística

Encontra a fronteira de decisão entre classes
sklearn.linear_model.LogisticRegression

SVC (Support Vector Classifier)

Encontra um hiperplano para separar classes
sklearn.svm.SVC

Árvore de Decisão

Encontra “regras” simples para classificar
sklearn.tree.DecisionTreeClassifier

Random Forest

Combina várias árvores de decisão
sklearn.ensemble.RandomForestClassifier

Outros modelos

Modelos de deep learning

Redes neurais
Redes neurais convolucionais
Generative Pretrained Transformer (GPT)

K-Nearest Neighbors (KNN)

Algoritmo de aprendizado supervisionado

XGBoost

Modelo de gradient boosting
https://xgboost.readthedocs.io/en/stable/

Princípios de treino

Modelo:

Usa dados limpos e com features tratadas
Aprende padrões nos dados de treino
Visa prever o alvo do diagnóstico de doença cardíaca

Princípios:

O modelo deve generalizar para dados não vistos (fora do treino)
Separe um “hold-out” para testar após o treino
Divisão treino/teste geralmente 70/30 ou 80/20
Pode usar sklearn.model_selection.train_test_split

Treinando um modelo

# Importing necessary libraries
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression


# Split the data into training and testing sets (80:20)
X_train, X_test, y_train, y_test = train_test_split(features, heart_disease_y, 
    test_size=0.2, random_state=42)


# Define the models
logistic_model = LogisticRegression(max_iter=200)


# Train the model
logistic_model.fit(X_train, y_train)

Obtendo previsões do modelo

# Jane Doe's health data, for example: [age, cholesterol level, blood pressure, etc.]
jane_doe_data = [45, 230, 120, ...]


# Reshape the data to 2D, because scikit-learn expects a 2D array-like input
jane_doe_data = jane_doe_data.reshape(1, -1)


# Use the model to predict Jane's heart disease diagnosis probabilities
jane_doe_probabilities = logistic_model.predict_proba(jane_doe_data)
jane_doe_prediction = logistic_model.predict(jane_doe_data)

Obtendo previsões (cont.)

# Print the probabilities
print(f"Jane Doe's predicted probabilities: {jane_doe_probabilities[0]}")
print(f"Jane Doe's predicted health condition: {jane_doe_prediction[0]}")

Jane Doe's predicted health condition probabilities: [0.2 0.8]

Jane Doe's predicted health condition: 1

Vamos praticar!

Machine Learning de ponta a ponta