JKISeason2-25 Ángel Molina

0 ×

Desafío 25: Detectar la presencia de enfermedades cardíacas
Me encuentro trabajando como científico de datos en una empresa de atención médica, donde estamos dedicados a desarrollar una herramienta que pueda predecir la posibilidad de enfermedades cardíacas en los pacientes. Actualmente, estoy experimentando con 11 características diferentes que podrían ayudarnos a identificar estos problemas de salud. Además, estoy utilizando un modelo llamado XGBoost para ayudarnos en esta tarea.

Lo interesante es que he notado que el rendimiento del modelo puede variar considerablemente dependiendo de cómo lo ajustemos. Por lo tanto, me he embarcado en un desafío importante: afinar los parámetros del modelo para encontrar los valores óptimos. Esto implica encontrar la cantidad adecuada de 'rondas de impulso', determinar la profundidad máxima de los árboles y ajustar la tasa de aprendizaje en XGBoost. Mi objetivo principal es utilizar la métrica F como medida para evaluar el rendimiento del modelo y asegurarme de que esté en su mejor forma posible.

URL: datos https://hub.knime.com/k10shetty1

Nodes

• Math Formula2 ×
• Scorer (JavaScript)2 ×
• Table Row to Variable2 ×
• XGBoost Predictor2 ×
• XGBoost Tree Ensemble Learner2 ×
• Show all 10 nodes

Extensions

• FeatureKNIME Base nodes
• FeatureKNIME JavaScript Views (Labs)
• FeatureKNIME Math Expression (JEP)
• FeatureKNIME Optimization extension
• FeatureKNIME XGBoost Integration

Links

• No links available