XGBoost para la Predicción de Salud: Regresión con Datos Médicos en Python | Tutorial paso a paso
893 بار بازدید -
پارسال
-
Como funciona XGBoost? como aplicarlo
Como funciona XGBoost? como aplicarlo a las ciencias de la salud?
sexo? latidos? calorias? temperatura corporal? cuales variables utilizar?
machine learning para medicina y healthcare. #biostatistics
Quieres aprender las etapas del machine learning paso a paso con #XGB??
En este maravilloso episodio, cubriremos un análisis completo paso a paso del aprendizaje automático para la regresión a través de la #regresion con gradiente extremo #xgboost usando #python JUPYTER NOTEBOOK. Haciendo uso de Pandas para la manipulación de datos, matplotlib para la creación de gráficos, sklearn para llamar a funciones de rendimiento y XGBoost para el regresor y creacion del modelo.
Los datos: dónde y cuál es el conjunto de datos
¿Análisis exploratorio? ¿Visualización?
Selección de variables: elegir las variables a utilizar
Árboles de decisión y potenciación, como funciona el extreme gradient boosting?
Codificación de variables: variables ficticias, características categóricas y nominales
Eliminar variables ( innecesarias ?)
Dividir conjunto en entrenamiento y testing
Hiperparámetros y parámetros: tasa de aprendizaje, profundidad máxima, gpu_id, número de estimadores
Construyendo y ajustando el modelo bioestadistico: aprendizaje supervisado
Interpretación de la importancia de la variable
Predicción de nuevos valores
Medición del desempeño usando coeficiente de determinacion R2 y el mean squared error o error cuadratico medio MSE
Sobreajuste (overfitting), desajuste y bajo ajuste del modelo, como saberlo?
¿Cómo mejorar el rendimiento? ¿Ingeniería de variables?
XGB regresion y feature engineering House Price: XGBoost y feature engineering: Regres...
Tratamiento de los valores extremos (outliers)
Creacion o mejora de variables mediante Date y time
Selección y eliminacion de variables: elegir las variables a utilizar
XGBoost Seleccion de variables con regresion y Recursive Feature elimination: XGBoost y seleccion de variables: Reg...
Extreme Gradient Boosting
Ajuste de hiperparametros: Regresion XGBoost Ajuste de hiperpara...
Explicando los hiperparametros del XGB
learning rate, max_depth, gamma, Regularization, alpha, child_weight,
number of estimators
Aplicando Grid Search con gridSearchCV
Ejecucion del mejor modelo segun parametros
Datos: https://archive.ics.uci.edu/ml/datase...
My code??? find it here: https://github.com/raulvalerio/superv...
XGB: Clasificacion paso a paso en Python: XGBoost: Clasificacion paso a paso co...
XGBoost y Clasificacion Multi Clases Python | Aprendizaje supervisado | Analisis Datos Calidad Vino: XGBoost y Clasificacion Multi Clases ...
Machine learning en Python #Python #Regresion #XGBoost #Sklearn
Python | Regresion lineal multiple y ...
Machine learning en R
Machine Learning
Cualquier comentario o sugerencia es bienvenido.
Contacto: [email protected]
My youtube channel in English:
@rvstats_eng
Algoritmo de Clustering HDBSCAN, Kmeans con R
Algoritmos de Clustering en R/Rstudio...
Algoritmos de clustering jerarquicos en R
Hierarchical Clustering | Agrupamient...
Algoritmos de clustering jerarquicos en python
V-1: Clustering jerarquico con Python...
Algoritmo HDBSCAN: V1: Que es clustering con HDBSCAN | P...
Algoritmo de K-means:
Que es Kmeans y centroides: V3: Numero Adecuado de Clusters K-Mea...
Normalizacion y numero adecuado de clusters: V2: Clustering con K-means | Python y...
Metodo Elbow, Distorsion e Inercia: V1: Clustering con K-means | Python y...
Aprendizaje automático ## Aprendizaje supervisado y no supervisado
análisis estadístico ##Factores supervised learning
Independiente y dependiente entrada y salida
Machine learning and supervised learning
overfitting, hyperparameter, classifier, classification, matrix
input and output, statistical analysis
sexo? latidos? calorias? temperatura corporal? cuales variables utilizar?
machine learning para medicina y healthcare. #biostatistics
Quieres aprender las etapas del machine learning paso a paso con #XGB??
En este maravilloso episodio, cubriremos un análisis completo paso a paso del aprendizaje automático para la regresión a través de la #regresion con gradiente extremo #xgboost usando #python JUPYTER NOTEBOOK. Haciendo uso de Pandas para la manipulación de datos, matplotlib para la creación de gráficos, sklearn para llamar a funciones de rendimiento y XGBoost para el regresor y creacion del modelo.
Los datos: dónde y cuál es el conjunto de datos
¿Análisis exploratorio? ¿Visualización?
Selección de variables: elegir las variables a utilizar
Árboles de decisión y potenciación, como funciona el extreme gradient boosting?
Codificación de variables: variables ficticias, características categóricas y nominales
Eliminar variables ( innecesarias ?)
Dividir conjunto en entrenamiento y testing
Hiperparámetros y parámetros: tasa de aprendizaje, profundidad máxima, gpu_id, número de estimadores
Construyendo y ajustando el modelo bioestadistico: aprendizaje supervisado
Interpretación de la importancia de la variable
Predicción de nuevos valores
Medición del desempeño usando coeficiente de determinacion R2 y el mean squared error o error cuadratico medio MSE
Sobreajuste (overfitting), desajuste y bajo ajuste del modelo, como saberlo?
¿Cómo mejorar el rendimiento? ¿Ingeniería de variables?
XGB regresion y feature engineering House Price: XGBoost y feature engineering: Regres...
Tratamiento de los valores extremos (outliers)
Creacion o mejora de variables mediante Date y time
Selección y eliminacion de variables: elegir las variables a utilizar
XGBoost Seleccion de variables con regresion y Recursive Feature elimination: XGBoost y seleccion de variables: Reg...
Extreme Gradient Boosting
Ajuste de hiperparametros: Regresion XGBoost Ajuste de hiperpara...
Explicando los hiperparametros del XGB
learning rate, max_depth, gamma, Regularization, alpha, child_weight,
number of estimators
Aplicando Grid Search con gridSearchCV
Ejecucion del mejor modelo segun parametros
Datos: https://archive.ics.uci.edu/ml/datase...
My code??? find it here: https://github.com/raulvalerio/superv...
XGB: Clasificacion paso a paso en Python: XGBoost: Clasificacion paso a paso co...
XGBoost y Clasificacion Multi Clases Python | Aprendizaje supervisado | Analisis Datos Calidad Vino: XGBoost y Clasificacion Multi Clases ...
Machine learning en Python #Python #Regresion #XGBoost #Sklearn
Python | Regresion lineal multiple y ...
Machine learning en R
Machine Learning
Cualquier comentario o sugerencia es bienvenido.
Contacto: [email protected]
My youtube channel in English:
@rvstats_eng
Algoritmo de Clustering HDBSCAN, Kmeans con R
Algoritmos de Clustering en R/Rstudio...
Algoritmos de clustering jerarquicos en R
Hierarchical Clustering | Agrupamient...
Algoritmos de clustering jerarquicos en python
V-1: Clustering jerarquico con Python...
Algoritmo HDBSCAN: V1: Que es clustering con HDBSCAN | P...
Algoritmo de K-means:
Que es Kmeans y centroides: V3: Numero Adecuado de Clusters K-Mea...
Normalizacion y numero adecuado de clusters: V2: Clustering con K-means | Python y...
Metodo Elbow, Distorsion e Inercia: V1: Clustering con K-means | Python y...
Aprendizaje automático ## Aprendizaje supervisado y no supervisado
análisis estadístico ##Factores supervised learning
Independiente y dependiente entrada y salida
Machine learning and supervised learning
overfitting, hyperparameter, classifier, classification, matrix
input and output, statistical analysis
پارسال
در تاریخ 1402/04/28 منتشر شده
است.
893
بـار بازدید شده