Antrenarea modelului

Machine Learning End-to-End

Joshua Stapleton

Machine Learning Engineer

Briciul lui Occam

Cea mai simplă explicație satisfăcătoare este preferată
Optați pentru modele simple la selecție

Imagine ilustrând principiul Briciului lui Occam

Opțiuni de modelare

Regresie logistică

Identifică granița de decizie între clase
sklearn.linear_model.LogisticRegression

Clasificator cu mașini de vectori suport

Găsește un hiperplan pentru separarea claselor
sklearn.svm.SVC

Arbore de decizie

Găsește reguli simple pentru clasificarea datelor
sklearn.tree.DecisionTreeClassifier

Pădure aleatorie

Combină mai mulți arbori de decizie
sklearn.ensemble.RandomForestClassifier

Alte modele

Modele de învățare profundă

Rețele neuronale
Rețele neuronale convoluționale
Generative Pretrained Transformer (GPT)

K-Nearest Neighbors (KNN)

Algoritm de învățare supervizată

XGBoost

Model bazat pe gradient boosting
https://xgboost.readthedocs.io/en/stable/

Principii de antrenare

Model:

Folosește un set de date curățat și cu variabile pregătite
Învață tipare din datele de antrenare
Scopul este predicția diagnosticului de boală cardiacă

Principii:

Modelul trebuie să generalizeze pe date nevăzute (din afara setului de antrenare)
Rezervați date pentru testarea modelului după antrenare.
Împărțirea antrenare/testare este de obicei 70/30 sau 80/20
Se poate folosi sklearn.model_selection.train_test_split

Antrenarea unui model

# 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)

Obținerea predicțiilor modelului

# 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)

Obținerea predicțiilor modelului (continuare)

# 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

Să exersăm!

Machine Learning End-to-End