/machine-learning-yt-01

Primary LanguagePython

Treinando um modelo de Machine Learning

Esse repositório foi criado para ter um exemplo super simples, como um "hello world" para modelos de Machine Learning.

Preparação do ambiente (MacOS/Linux)

Garanta que você tenha na sua máquina o python>=3.7 e o gerenciador de pacotes pip, e então clone este repositório, mude para o diretório dele, e execute:

$ python3 -m venv .env
$ source .env/bin/activate
$ pip3 install -r requirements.txt

OBS.: Para usuários de Windows, o processo é semelhante, mudando apenas o comando para ativar o ambiente virtual, com: .env/Scripts/activate.bat

Executando o projeto

O projeto foi dividido em três módulos Python (train.py, evaluate.py, predict.py) e um auxiliar para reutilizar alguns métodos.

  1. Evaluate

Comece executando esse script, da seguinte forma:

$ python3 evaluate.py

E vá interagindo com o argumento max_depth no arquivo evaluate.py e veja como isso afeta a performance do modelo com os prints das métricas selecionadas no seu terminal.

  1. Train Execute esse script, alterando o valor de max_depth para o desejado e executando:
$ python3 train.py

Você perceberá que um novo arquivo tree_classifier.pkl surgiu no seu diretório raiz. É o objeto do modelo serializado, que será reutilizado no momento das predições.

  1. Predict Finalmente, esse módulo irá gerar 10 linhas aleatórias em uma array e fará as predições em cima dela, retornando uma lista com o resultado das predições no seu terminal.

Sugestões de próximos passos como estudos

  • Plote a importância das variáveis para sua análise
  • Faça alguma transformação nas features e veja como a performance é afetada
  • Realize uma validação cruzada para verificar se o seu modelo está superestimado
  • Pegue um projeto mais desafiador na plataforma Kaggle, e estenda esse trabalho