Machine Learning para previsões de DOENÇAS CARDÍACAS
Вставка
- Опубліковано 6 вер 2024
- Nesse vídeo vou te mostrar passo a passo como criar do zero um modelo de Machine Learning para previsões de doenças cardíacas, fazendo todo processo de construção do modelo de Machine Learning do zero, passando pelas etapas de coleta de dados, analise exploratória, analise estatística, tratamento de dados, analise de outliers, balanceamento de variável alvo, OneHotEncoding, criação, treinamento e analise de métricas e analise detalhada da Confusion Matrix para avaliar a acurácia do modelo que foi criado e treinado.
Uma das métricas mais importantes quando criamos um modelo de Machine Learning para classificação, seja qualquer tipo de classificação, é saber analisar em detalhes a Confusion Matrix, justamente para podermos identificar quais foram os erros e acertos do modelo de Machine Learning com a variável alvo(Target) do tipo positivo como negativo.
Links dos vídeos mencionados que irão te ajudar bastante:
- Como FAZER LOOP FOR e LOOP WHILE no Python: • Como FAZER LOOP FOR e ...
- COMO TRABALHAR COM LISTAS EM PYTHON: • COMO TRABALHAR COM LIS...
- ESTATÍSTICA BÁSICA PARA CIÊNCIA DE DADOS: • ESTATÍSTICA BÁSICA PAR...
- DISTRIBUIÇÃO NORMAL ESTATÍSTICA: • DISTRIBUIÇÃO NORMAL ES...
- Como balancear a variável TARGET com Python: • Machine Learning: Como...
- Como trabalhar com arquivos e dados GIGANTES no PYTHON: • Como trabalhar com arq...
- Como analisar HISTOGRAMA e BOXPLOT:
- Como fazer NORMALIZAÇÃO e PADRONIZAÇÃO de DADOS (O Guia Completo): • Como fazer NORMALIZAÇÃ...
- Como MELHORAR A PERFORMANCE dos Modelos de Machine Learning: • Como MELHORAR A PERFOR...
Link para download do material (Jupyter Notebook e Conjunto de Dados) apresentado neste vídeo:
docs.google.co...
Isso é show de aula, estou fazendo uma Pós em Ciências de Dados e sua aulas vem de encontro com que estamos aprendendo lá. Parabéns
Excelente, muito didático, obrigado.
Seu conteúdo é muito bom. Sua didática também ! Parabéns irmão
o nome do canal devia ser mago dos dados!! bom demais!
Parabéns pelos seus vídeos eu passei por um curso de 1 ano de ciências de dados e aprendi mais com você .
Ótimo conteúdo , só que ali você usou o label enconder , o onehotencoder ele transformar as variáveis em colunas . Ótimo resultado muito bom
Professor boa noite! essa sua didatica e sua visão eu posso aplicar no meu dia dia de trabalho ?
Sim
então...
parei no minuto 06:46 aqui (pra fazer esse comentário) e já perdi as contas do tanto de detalhes [isnull().sum(), por exemplo] e configs [Pandas] que NUNCA (ou quase nunca, pelo benefício da dúvida) vi ninguém que faz esse tipo de video falar sobre. e olha que já vi MUITOS...
Parça, #Respect!
Obrigado
Vídeo excelente. Só uma pergunta: você poderia antes de criar o modelo definir quais características iriam impactar o modelo de forma positiva e excluir as colunas com pouca relevância para o modelo. Alias você fez isto depois. Poderia ser feito antes para melhorar a acurácia e o tempo de execução?
Existem formas de fazer isso sim analisando correlações e outras métricas, porém sempre em um pipeline de criação e treinamento de um modelo será necessário fazer essa análise e ir testando diversas variáveis…. Dessa forma é possível entender melhor as variáveis….
Poderia me tirar uma dúvida, qual a tabela final e campo, no exemplo que vc passou, que eu consigo ver a marcação destes pacientes, 122,16,19, 148, e saber paciente a paciente que são?
Da uma olhada nos campos do dicionário de dados creio que vai sanar sua dúvida
Boa tarde, poderia usar o projeto para compor portfólio ?
Adoro seus vídeos, estou aprendendo mt
Pode sim
Obrigado
ola camarada, não seria danoso pro modelo usar o label encoder na normalização para colunas com mais de uma variável ?
Não entendi. Colinas é variáveis são a mesma coisa. Mas se vc se refere as observações não seria danoso não, muito pelo contrário é o ideal fazer isso
@@nerddosdados mas o modelo interpreta os números mais altos como uma maior importância pro target não ?