Evolução do Diabetes

Parte da seção Aprendizado supervisionado do Journey de Machine Learning da Coddy. Lição 55 de 58.

Uma clínica de diabetes agenda consultas de acompanhamento com base no quanto a doença de cada paciente vai progredir em um ano. Na seção 2, uma característica explicava apenas parte disso:

Progressão da doença em relação ao IMC padronizado dos pacientes da clínica, uma nuvem ampla de pontos com uma linha laranja subindo pelo meio, identificada como apenas IMC: R quadrado 0,34

Agora entram todas as dez medições de load_diabetes. Em qual modelo a clínica deve confiar e quantos pontos de erro ele terá?

Ele quer uma seleção justa por validação cruzada, erros honestos em pacientes não vistos e uma verificação dos resíduos para identificar o que o modelo não consegue captar.

Desafio

Difícil

O programa lê os valores de alpha do Ridge em alphas; o código inicial configura um gráfico com título.

Separe um quarto dos dados para teste usando random_state=0.
Avalie um LinearRegression e um Ridge para cada valor de alpha, usando validação cruzada de 5 partições nos dados de treinamento. Imprima a média de R quadrado de cada um (3 casas decimais) e, em seguida, o vencedor.
Ajuste o vencedor e imprima MAE e RMSE no conjunto de teste (1 casa decimal) e R quadrado (3 casas decimais).
Faça um gráfico de dispersão dos resíduos de teste — valor real menos valor previsto — em relação às previsões. Adicione uma linha em zero e, em seguida, exiba o gráfico.

Para outra clínica e os valores de alpha 0.5 e 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

Em seguida, Coddy descreve seu gráfico de resíduos.

Experimente você mesmo

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

# Os valores de alpha do Ridge a testar
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)")

# Escreva seu código abaixo