Cursos Empresas Blog Live Conf Eventos Precios

0:006:10

Evaluación de resultados del modelo de árbol de decisión

Curso de Decision Trees y Random Forest con Python y scikit-learn

Clase 12 de 23

Clase 12 / 23

Carlos Mazzaroli

Hace 4 años

Bien gente, paso a compartir mis resultados

EDA

Primero en el EDA cruce cada feature con el target

Insight

Price: Los autos con precio bajo o medio tienen una mayor probabilidad de ser clasificados como vgood o good en comparación con los autos de precio alto.
Doors: Los autos con 4 o más puertas tienen una mayor probabilidad de ser clasificados como vgood o good en comparación con los autos de 3 o 2 puertas.
Lug_boot: Los autos con maletero grande o mediano tienen una mayor probabilidad de ser clasificados como vgood o good en comparación con los autos con maletero pequeño.
Maint: Los autos con costos de mantenimiento bajos o medios tienen una mayor probabilidad de ser clasificados como vgood o good en comparación con los autos con costos de mantenimiento altos.
Persons: Los autos con capacidad de 4 o más personas tienen una mayor probabilidad de ser clasificados como vgood o good en comparación con los autos con capacidad de menos de 4 personas.
Safety: Los autos con alto nivel de seguridad tienen una mayor probabilidad de ser clasificados como vgood o good en comparación con los autos con bajo o medio nivel de seguridad.

Optimizacion de parametros use este grid

param_grid = {'criterion': ['gini', 'entropy'], 'max_depth': [2, 3, 4, 5]}

Quedo tal que asi los resultados

Mejores hiperparámetros encontrados:
{'criterion': 'gini', 'max_depth': 4}
Mejor puntuación de validación cruzada:
0.8676308539944904

Evaluacion del modelo

El accuracy en train es: 0.8420038535645472
El accuracy en test es: 0.8709677419354839

Relevancia de features

Grafico arbol de decision

Carlos Mazzaroli

Hace 4 años

SUPER IMPORTANTE RECALCAR

que los datos estan muy desvanlanceados, si hacen un F1-score van a ver que la clasificacion para vgood es de 0 y de unacc casi del 94%

en este caso esta bueno balancear porque ajustando mal los datos

Estos fueron los resultados que obtuve haciendo un undersampling al dataset antes de entrenar al modelo

f1-score

acc: 0.69
good: 0.55
unacc: 0.89
vgood: 0.75
accuracy: 0.72
macro avg: 0.72
weighted avg: 0.71

No es de los mejores resultados que podemos obtener, pero es aceptable dentro de todo, por lo menos esta en tre el 60 y 80% de precision el acurracy promedio

Luis Ernesto Domínguez Velásquez

Hace 3 años

Interesante tu EDA, puedes compartir el código ?