Tu primer random forest con scikit-learn

Cursos Empresas Blog Live Conf Precios

Contenido del curso

Introducción a árboles de decisión

Proyecto práctico: árboles de decisión

Introducción a random forest

Proyecto práctico: random forest

20
Entrenamiento de modelo de clasificación de carros con random forest
04:28 min
21
Evaluación de resultados del modelo de clasificación con random forest
11:34 min

Conclusión

Tomar examen

Tu primer random forest con scikit-learn

Comentarios

reacosta7383

student

Url del dataset:

https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database

Julián Cárdenas

student

Me gusta está clase, hasta el momento se han trabajado 3 data sets de manera fluida, es una buena carga pedagógica :D

Layla Scheli

teacher

Gracias Julian, por tus aportes :)

Andres Cervantes

student

Para cargar el dataset:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

url = 'https://5tm9.short.gy/pima-diabetes-data'
df_diabetes = pd.read_csv(url)
df_diabetes.head()

Juan R. Vergara M.

student

Muchas gracias 💯✔📝

Angel Martínez

student

Para cargar el dataset pueden usar:

df_diabetes = pd.read_csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv',header=None)
df_diabetes.columns = ['Pregnancies', 'Glucose', 'BloodPressure (mm Hg)', 'SkinThickness (mm)', 'Insulin (mu U/ml)', 'BMI (kg/m^2)', 'DiabetesPedigreeFunction', 'Age (years)', 'Outcome']
df_diabetes.head()

Angel Martínez

student

Para cargar el dataset pueden usar: ```python df_diabetes = pd.read_csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv',header=None) df_diabetes.columns = ['Pregnancies', 'Glucose', 'BloodPressure (mm Hg)', 'SkinThickness (mm)', 'Insulin (mu U/ml)', 'BMI (kg/m^2)', 'DiabetesPedigreeFunction', 'Age (years)', 'Outcome'] df_diabetes.head()

Valentina Cobo Paz

student

estos datasets que encontramos gratuitos son muy interesantes para aprender y practicar, sin embargo, son datasets que ya están muy manipulados, en la vida real los datasets suelen ser mucho mas complejos, me he encontrado con que el preprocesamiento de los datos es mucho mas complejo y demandante que la misma clasificación y análisis.

Antonio Demarco Bonino

student

Los datasets son oro en polvo para generar experiencia.

Piero Olivas

student

Excelente! 👩🏻💻

Sebastián Franco

student

Para empezar a trabajar en el Random Forest se usará el dataset de Diabetes de Pima Indians, este busca predecir si una persona tendrá diabetes o no según una serie de features a explorar, se encuentra en este link

Ahora se usará el código base de importación de librerías y carga del dataset


import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns



dataset\_path = "pima-indians-diabetes.csv"

pd.read\_csv(dataset\_path, sep=",")

Mario Alexander Vargas Celis

student

¡Perfecto! Vamos a crear tu primer Random Forest con scikit-learn, paso a paso. Usaremos un dataset clásico: Iris, que es ideal para clasificación.

✅ 1. Importar librerías necesarias

from sklearn.datasets import load_iris from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score, classification_report, confusion_matrix import pandas as pd import seaborn as sns import matplotlib.pyplot as plt

✅ 2. Cargar el dataset y dividir en entrenamiento y prueba

# Cargar el dataset Iris iris = load_iris() X = iris.data y = iris.target

# Dividir en entrenamiento (80%) y prueba (20%) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

✅ 3. Crear y entrenar el modelo Random Forest

# Crear el modelo model = RandomForestClassifier(n_estimators=100, random_state=42)

# Entrenar el modelo model.fit(X_train, y_train)

✅ 4. Realizar predicciones y evaluar

# Predicciones y_pred = model.predict(X_test)

# Métricas print("Accuracy:", accuracy_score(y_test, y_pred)) print("\nReporte de Clasificación:\n", classification_report(y_test, y_pred)) print("\nMatriz de Confusión:\n", confusion_matrix(y_test, y_pred))

✅ 5. Visualizar la importancia de las características

# Importancia de las variables importances = model.feature_importances_ features = iris.feature_names

# Mostrar con Seaborn sns.barplot(x=importances, y=features, palette="viridis") plt.title("Importancia de características en Random Forest") plt.xlabel("Importancia") plt.ylabel("Característica") plt.show()

✅ Resultado Esperado:

Una alta precisión (accuracy > 90%) en este dataset.
Gráfico con las variables más relevantes para el modelo.
Matriz de confusión para visualizar errores (falsos positivos/negativos).

df_diabetes = pd.read_csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv',header=None)
df_diabetes.columns = ['Pregnancies', 'Glucose', 'BloodPressure (mm Hg)', 'SkinThickness (mm)', 'Insulin (mu U/ml)', 'BMI (kg/m^2)', 'DiabetesPedigreeFunction', 'Age (years)', 'Outcome']
df_diabetes.head()

Introducción a árboles de decisión

¿Qué son los árboles de decisión?

Tu primer árbol de decisión con scikit-learn

Análisis de datos para tu primer árbol de decisión

Entrenamiento y evaluación de árbol de decisión con scikit-learn

¿Cómo funcionan los árboles de decisión?

¿Cuándo usar árboles de decisión?

Proyecto práctico: árboles de decisión

Conociendo problema a resolver y dataset de clasificación

Análisis exploratorio de datos para árbol de decisión

Procesamiento de datos para el entrenamiento de árbol de decisión

Entrenamiento de modelo de clasificación con árbol de decisión

¿Cómo evaluar un modelo de árbol de decisión?

Evaluación de resultados del modelo de árbol de decisión

Introducción a random forest

¿Qué son los random forest o bosques aleatorios?