Entrenamiento de tu primer modelo de random forest con scikit-learn

Ctrl Enter para ejecutar jeje

Excelente las explicaciones y el orden y comentarios de los notebook. 10/10

Me encanta la metodología y la forma de explicar de la profe Layla, like para más cursos con ella.

Qúe hace -n_estimators-

n_estimators es un hiperparámetro que se utiliza en algoritmos de conjunto de árboles, como Random Forests y Gradient Boosting, en el contexto de aprendizaje automático. Este hiperparámetro controla el número de árboles que se deben construir en el conjunto. Cada árbol se entrena en un subconjunto aleatorio de los datos de entrenamiento y luego contribuye a las predicciones del conjunto.

La elección adecuada del valor de n_estimators es importante, ya que puede influir en el rendimiento del modelo. Aquí hay algunas consideraciones clave:

1. Menos árboles: Usar un valor pequeño de n_estimators puede llevar a un conjunto subóptimo de árboles que no capturan bien la estructura subyacente de los datos. El modelo puede tener un alto sesgo y un bajo rendimiento en el conjunto de datos de prueba.

2. Más árboles: Aumentar el valor de n_estimators generalmente mejora la capacidad del modelo para generalizar y puede reducir el sobreajuste. Sin embargo, agregar demasiados árboles puede aumentar el costo computacional del entrenamiento y la inferencia, sin una mejora significativa en el rendimiento.

3. Equilibrio: El valor óptimo de n_estimators generalmente se encuentra a través de la validación cruzada. Los practicantes de aprendizaje automático prueban diferentes valores de n_estimators y eligen el que da como resultado el mejor rendimiento en un conjunto de datos de validación o prueba.

• En el caso de Random Forests, un valor típico para n_estimators podría ser 100 o más, pero esto puede variar según el problema y el tamaño del conjunto de datos. Para algoritmos de aumento (como Gradient Boosting), el valor óptimo de n_estimators puede ser menor que en Random Forests, ya que los árboles se agregan de manera secuencial y se detiene cuando se alcanza un cierto criterio de parada o cuando se logra un rendimiento satisfactorio.

En resumen, n_estimators es un hiperparámetro que controla la cantidad de árboles en un conjunto de árboles y debe ajustarse cuidadosamente para optimizar el rendimiento del modelo. La elección del valor adecuado depende del problema específico y debe determinarse mediante experimentación y validación cruzada.

Si alguien lo necesita ya que no se esta utilizando ninguna notacion de variables(snake_case) como se estaba habituando

#Separamos en X e y
X = df_diabetes.drop('9. Class variable (0 or 1)', axis=1)
y = df_diabetes["9. Class variable (0 or 1)"]