mlearner version: 0.2.0

Training

Training(model, random_state=99)

Evaluacion de modelosself.

Parameters

Attributes

See Also

Methods

FineTune(model, X, y, params, refit='Accuracy', cv=3, verbose=0, randomized=True, n_iter=100, mute=False)

Tecnica de Ajuste fino de hiperparametros.

Model: Modelo a Optimizar.

params: diccionario de parametros con el grid.

scoring: Metricas. scoring = {'AUC': 'roc_auc', 'Accuracy': acc_scorer} - Anotador de metricas: acc_score = make_scorer(accuracy_score, mean_squared_error)

refit: Metrica de importancia para optimizar el modelo'Accuracy'

GridSearchCV_Evaluating(model, param, max_param, min_score=0.5)

https://scikit-learn.org/stable/auto_examples/model_selection/plot_multi_metric_evaluation.html#sphx-glr-auto-examples-model-selection-plot-multi-metric-evaluation-py

KFold_CrossValidation(model, X, y, n_splits=10, ROC=False, shuffle=True, mute=False, logdir_report='', display=True, save_image=True, verbose=0)

Validacion cruzada respecto a "n_plits" del KFolds.

add_model(model, random_state=99)

Incorporar modelo en la clase

class_report(y_true, predictions, clases, save=False, logdir_report='')

Un informe de clasificacion se utiliza para medir la calidad de las predicciones de un algoritmo de clasificacion. Cuantas predicciones son verdaderas y cuantas son falsas. Mas especificamente, los Positivos verdaderos, los Positivos falsos, los negativos verdaderos y los negativos falsos se utilizan para predecir las metricas de un informe de clasificacion.

El informe muestra las principales metricas de clasificacion de precision, recuperacion y puntaje f1 por clase. Las metricas se calculan utilizando verdaderos y falsos positivos, verdaderos y falsos negativos. Positivo y negativo en este caso son nombres genericos para las clases predichas. Hay cuatro formas de verificar si las predicciones son correctas o incorrectas:

TN / Verdadero negativo: cuando un caso fue negativo y se pronostico negativo TP / Verdadero Positivo: cuando un caso fue positivo y predicho positivo FN / Falso negativo: cuando un caso fue positivo pero predicho negativo FP / Falso Positivo: cuando un caso fue negativo pero predicho positivo

La precision es la capacidad de un clasificador de no etiquetar una instancia positiva que en realidad es negativa. Para cada clase se define como la relacion de positivos verdaderos a la suma de positivos verdaderos y falsos.

TP - Positivos verdaderos FP - Positivos falsos

Precision: precision de las predicciones positivas. Precision = TP / (TP + FP)

Recordar es la capacidad de un clasificador para encontrar todas las instancias positivas. Para cada clase se define como la relacion entre los verdaderos positivos y la suma de los verdaderos positivos y los falsos negativos.

FN - Falsos negativos

Recordar: fraccion de positivos identificados correctamente. Recuperacion = TP / (TP + FN)

El puntaje F 1 es una media armonica ponderada de precision y recuperacion de modo que el mejor puntaje es 1.0 y el peor es 0.0. En terminos generales, los puntajes de F 1 son mas bajos que las medidas de precision, ya que incorporan precision y recuerdo en su calculo. Como regla general, el promedio ponderado de F 1 debe usarse para comparar modelos clasificadores, no la precision global.

Puntuacion F1 = 2 * (recuperacion * precision) / (recuperacion + precision)

compute_roc_auc(model, index, X, y)

Computo para todas las pruebas de KFold

confusion_matrix(y_true, y_pred)

None

create_ROC(lm, X_test, Y_test, targets=[0, 1], logdir_report='', display=True, save_image=True)

Se crea la curva ROC de las predicciones de conjunto de test.

Outputs: - df: Dataframe de los datos de metricas ROC. - auc: Area por debajo de la curfa ROC (efectividad de las predicciones).

create_ROC_pro(fprs, tprs, X, y, targets=[0, 1], logdir_report='', display=True, save_image=True)

Plot the Receiver Operating Characteristic from a list of true positive rates and false positive rates.

eval_FineTune(X, y)

https://towardsdatascience.com/hyperparameter-tuning-the-random-forest-in-python-using-scikit-learn-28d2aa77dd74 https://github.com/WillKoehrsen/Machine-Learning-Projects/blob/master/random_forest_explained/Improving%20Random%20Forest%20Part%202.ipynb

eval_train(model, X, y, name='Performance')

None

evaluacion_rf_2features(clf, data_eval, data_eval_target, targets=[0, 1], save=False, logdir_report='', display=True)

Funcion que nos selecciona el thresholder mas optimo:

Inputs:

Outputs:

evaluate(model, X, y)

Evalucion del modelo Fine-Tune

features_important(X, y, logdir='', display=True, save_image=False)

Explorar las features mas significativas

get_model()

None

heatmap_params(parameters, results_df, metric='mean_test_Accuracy')

parametres a relacionar: parameters = ["n_estimators", "min_samples_split"]

plot_Histograma(predict, correct, incorrect, logdir_report, categorias=[0, 1], display=True, save_image=True)

None

plot_confusion_matrix(y_true, y_pred, classes, num_clases, logdir_report, normalize=False, title=None, cmap=, name='cm_normalizada')

Una matriz de confusion es un resumen de los resultados de prediccion sobre un problema de clasificacion.

El numero de predicciones correctas e incorrectas se resume con valores de conteo y se desglosa por clase. Esta es la clave de la matriz de confusion.

La matriz de confusion muestra las formas en que su modelo de clasificacion se confunde cuando hace predicciones.

Le da una idea no solo de los errores que esta cometiendo su clasificador, sino mas importante aun, de los tipos de errores que se estan cometiendo.

Es este desglose el que supera la limitacion del uso de la precision de clasificacion solo.

replace_multiclass(targets)

None

restore_model(filename)

Load the model from disk

save_model(filename)

Save the model to disk

validacion_cruzada(X, Y, n_splits, shuffle=True, scoring='accuracy')

Validacion cruzada del dataset introducido como input.

Inputs: - cv = Numero de iteraciones.

Outputs: - score: Media de los acc de todas las iteraciones.