Progreso de la diabetes

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 55 de 58.

Una clínica de diabetes programa visitas de seguimiento según cuánto progresará la enfermedad de cada paciente en un año. En la sección 2, una característica solo explicaba una parte:

Progresión de la enfermedad en función del IMC escalado de los pacientes de la clínica, una amplia nube de puntos con una línea naranja que la atraviesa en ascenso, etiquetada solo IMC: R cuadrado 0.34

Ahora se introducen las diez mediciones de load_diabetes. ¿En qué modelo debería confiar la clínica y cuántos puntos se desviará?

Quiere una selección justa mediante validación cruzada, errores honestos en pacientes no vistos y una comprobación de los residuos para detectar cualquier cosa que el modelo pase por alto.

Desafío

Difícil

El programa lee los valores alfa de Ridge en alphas; el código inicial configura un gráfico con título.

Separa una cuarta parte para pruebas con random_state=0.
Evalúa un LinearRegression y un Ridge por cada valor alfa mediante validación cruzada de 5 particiones en las filas de entrenamiento. Imprime cada R cuadrado medio (3 decimales) y, después, el ganador.
Entrena el ganador e imprime su MAE y RMSE de prueba (1 decimal) y su R cuadrado (3).
Representa en un gráfico de dispersión los residuos de prueba, valor real menos valor predicho, frente a las predicciones. Añade una línea en cero y, después, muestra el gráfico.

Para otra clínica y los valores alfa 0.5 y 2.0:

Linear: CV R squared 0.472
Ridge 0.5: CV R squared 0.481
Ridge 2.0: CV R squared 0.402
Winner: Ridge 0.5
Test errors: MAE 47.3, RMSE 58.9, R squared 0.414

Después, Coddy describe tu gráfico de residuos.

Pruébalo tú mismo

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.linear_model import LinearRegression, Ridge
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

diabetes = load_diabetes(as_frame=True)
X = diabetes.data
y = diabetes.target

# Los valores de alpha de Ridge que se probarán
n = int(input())
alphas = []
for i in range(n):
    alphas.append(float(input()))

fig, ax = plt.subplots()
ax.set_title("Residuals on Test Patients")
ax.set_xlabel("Predicted progression")
ax.set_ylabel("Residual (true - predicted)")

# Escribe tu código a continuación