XGBoost para la Predicción de Salud: Regresión con Datos Médicos en Python | Tutorial paso a paso
HTML-код
- Опубликовано: 18 сен 2024
- 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 engi...
- 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...
Extreme Gradient Boosting
Ajuste de hiperparametros: • Regresion XGBoost Ajus...
- 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: archive.ics.uc...
My code??? find it here: github.com/rau...
XGB: Clasificacion paso a paso en Python: • XGBoost: Clasificacion...
XGBoost y Clasificacion Multi Clases Python | Aprendizaje supervisado | Analisis Datos Calidad Vino: • XGBoost y Clasificacio...
Machine learning en Python #Python #Regresion #XGBoost #Sklearn
• Python | Regresion lin...
Machine learning en R
• Machine Learning
Cualquier comentario o sugerencia es bienvenido.
Contacto: raulvalerio@gmail.com
My youtube channel in English:
/ @rvstats_eng
Algoritmo de Clustering HDBSCAN, Kmeans con R
• Algoritmos de Clusteri...
Algoritmos de clustering jerarquicos en R
• Hierarchical Clusterin...
Algoritmos de clustering jerarquicos en python
• V-1: Clustering jerarq...
Algoritmo HDBSCAN: • V1: Que es clustering ...
Algoritmo de K-means:
- Que es Kmeans y centroides: • V3: Numero Adecuado de...
- Normalizacion y numero adecuado de clusters: • V2: Clustering con K-m...
- Metodo Elbow, Distorsion e Inercia: • V1: Clustering con K-m...
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
Excelente, muy buen video
Mil Gracias. Saludos!!
muchas gracias , excelente explicacion , se le puede contactar para una ascesoria?
Hola Jaime!! Mil gracias. Escríbeme al correo electrónico. Saludos