模型训练

端到端机器学习

Joshua Stapleton

Machine Learning Engineer

奥卡姆剃刀

最简单且足够的解释最佳
选模时偏向简单模型

展示奥卡姆剃刀原理的示例图片

建模选项

逻辑回归

寻找类别间的决策边界
sklearn.linear_model.LogisticRegression

支持向量分类器

寻找分隔类别的超平面
sklearn.svm.SVC

决策树

通过简单"规则"进行分类
sklearn.tree.DecisionTreeClassifier

随机森林

集成多棵决策树
sklearn.ensemble.RandomForestClassifier

其他模型

深度学习模型

神经网络
卷积神经网络
生成式预训练变换模型（GPT）

K 近邻（KNN）

监督学习算法

XGBoost

梯度提升模型
https://xgboost.readthedocs.io/en/stable/

训练原则

模型：

使用清洗并已处理特征的数据集
从训练数据中学习模式
旨在预测心脏病诊断的目标

原则：

模型需对未见数据泛化（训练集之外）
预留一部分数据，训练后用于测试
训练/测试通常为 70/30 或 80/20
可用 sklearn.model_selection.train_test_split

训练模型

# 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)

获取模型预测

# Jane Doe 的健康数据，例如：[年龄、胆固醇、血压等]
jane_doe_data = [45, 230, 120, ...]


# 重塑为二维，因为 scikit-learn 需要二维类数组输入
jane_doe_data = jane_doe_data.reshape(1, -1)


# 用模型预测 Jane 的心脏病诊断概率
jane_doe_probabilities = logistic_model.predict_proba(jane_doe_data)
jane_doe_prediction = logistic_model.predict(jane_doe_data)

获取模型预测（续）

# 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 的预测健康状况概率: [0.2 0.8]

Jane Doe 的预测健康状况: 1

Vamos praticar!

端到端机器学习