モデルの学習
End-to-End Machine Learning
Joshua Stapleton
Machine Learning Engineer
オッカムの剃刀
- 最も単純で十分な説明が最善
- モデル選択はシンプル寄りに
モデルの選択肢
ロジスティック回帰
- クラス間の境界を学習
sklearn.linear_model.LogisticRegression
サポートベクター分類器
- クラスを分離する超平面を探索
sklearn.svm.SVC
決定木
- 単純な「ルール」で分類
sklearn.tree.DecisionTreeClassifier
ランダムフォレスト
- 複数の決定木をアンサンブル
sklearn.ensemble.RandomForestClassifier
その他のモデル
ディープラーニングモデル
- ニューラルネットワーク
- 畳み込みニューラルネットワーク
- 生成系事前学習トランスフォーマー（GPT）
K-近傍法（KNN）
- 教師あり学習アルゴリズム
XGBoost
- 勾配ブースティングモデル
- https://xgboost.readthedocs.io/en/stable/
学習の原則
モデル:
- 前処理・特徴処理済みデータを使用
- 訓練データのパターンを学習
- 心疾患診断の目的変数を予測
原則:
- 未知データ（訓練外）へ汎化すべき
- 学習後の評価用に一部をホールドアウト
- 訓練/テストは通常 70/30 または 80/20
sklearn.model_selection.train_test_splitを使用可
モデルの学習手順
# 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)
予測の取得
# 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)
予測の取得（続き）
# 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
Passons à la pratique !
End-to-End Machine Learning
