Évolution du diabète

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 55 sur 58.

Une clinique du diabète planifie les consultations de suivi en fonction de la progression de la maladie de chaque patient sur une année. Dans la section 2, une caractéristique n’en expliquait qu’une partie :

Progression de la maladie en fonction de l’IMC standardisé des patients de la clinique's, un large nuage de points traversé par une ligne orange ascendante, légendée IMC seul : R carré 0.34

Maintenant, les dix mesures de load_diabetes sont toutes prises en compte. À quel modèle la clinique devrait-elle faire confiance, et de combien de points se trompera-t-il ?

Il veut une sélection équitable par validation croisée, des erreurs honnêtes sur des patients jamais vus et une vérification des résidus pour repérer tout ce que le modèle ne prend pas en compte.

Défi

Difficile

Le programme lit les alphas de Ridge dans alphas ; le code de départ prépare un graphique avec un titre.

Réserve un quart des données pour le test avec random_state=0.
Évalue une LinearRegression et un Ridge pour chaque alpha avec une validation croisée à 5 plis sur les lignes d’entraînement. Affiche chaque R carré moyen (3 décimales), puis le gagnant.
Entraîne le gagnant et affiche ses MAE et RMSE de test (1 décimale) ainsi que son R carré (3 décimales).
Représente les résidus de test, valeurs réelles moins valeurs prédites, en fonction des prédictions. Ajoute une ligne à zéro, puis affiche le graphique.

Pour une autre clinique et les alphas 0.5 et 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

Ensuite, Coddy décrit ton graphique des résidus.

Essayez vous-même

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

# Les valeurs alpha de Ridge à essayer
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)")

# Écrivez votre code ci-dessous