Classificação e regressão com XGBoost

[@germanojorge349]

Pra calcular o RMSE no sklearn é só mudar o parâmetro 'squared' do mean_squard_error para False, como em: sklearn.metrics.mean_squared_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average', squared=False) Obrigado pelas aulas! um abraço.

[@letsdataAI]

Boa, Germano!! Valeu, mestre!

[@thiagotavares2384]

Parabéns, professor. Ótima aula.

[@letsdataAI]

Valeu, Thiago!!

[@wesley_breno]

Adorei o conteudo!!! Didatica incrivel! 😁

[@letsdataAI]

Valeu demais, Wesley!! Aproveite que estamos com evento aberto, entra no letsdata.ai e participe! Abraços!

[@orrafaellis]

Muito boa a aula! Obrigado!

[@letsdataAI]

Valeu, Rafael!!!

[@riptorforever2]

Quando gosto muito da aula, ainda que eu não tenha nada relevante pra comentar, cedo a irrelevância mesmo só para contribuir com o algoritmo de recomendação do youtube.. Aulas fantásticas! Apesar de superficial, dá uma 'visão de águia' sobre o escopo da lib, a organizacao da documentacao e a praticidade do uso ^^

[@letsdataAI]

Valeu demais pela força!!!

[@RafaelRivetti]

Já tem vídeo de implementação para séries temporária? Se não tiver, faz por favor!! Seria legal usar o preço de ações em bolsa de valores. Abraço!

[@letsdataAI]

Tem vídeo de séries temporais! Depois nos diga se gostou!

[@guilhermemartins9824]

Aula muito boa!

[@letsdataAI]

Valeu, Guilherme!!!

[@tiaofilho123]

Muito boa a aula, León. Parabéns pela didática simples e assertiva.👍🏼 Agora só um pequeno detalhe, na parte do consumo dos veículos o de valor "mpg" máximo (46,6) seria o mais econômico e o mínimo (9,0) é que seria o "Hummer"! Você falou o contrário 😉. Abs.

[@letsdataAI]

Valeu, Tião!! Verdade! Mais milhas por galão, mais econômico, obrigado!

[@DDarkoBR]

Professor, uma sugestão é fazer uma aula de xgboost para séries temporais.

[@letsdataAI]

Ótima sugestão!!

[@DDarkoBR]

@@letsdataAI Graças a essa aula consegui aplicar com gs o xgboost no meu trabalho. Abs.

[@letsdataAI]

Que massa, Cairo!!! Felizes de saber que ajudou.

[@benjaminrondonneto6377]

Vc possue algum curso sobre o tema de analise de dados no panda?

[@letsdataAI]

Tudo bem, mestre? Temos um programa educacional completo, inclui pandas para análise de dados: www.letsdata.ai/a-jornada

[@benjaminrondonneto6377]

@@letsdataAI muito obrigado... Estou finalizando o curso introdutório sobre python e já irei me inscrever no seu curso. Quero muito aprender sobre calibragem/otimização de parâmetros para modelos preditivos.

[@maikerodrigo4249]

Show de bola!

[@letsdataAI]

Valeu, Maike!!

[@edwardsouza7603]

Parabéns pelo vídeo! Principalmente pela "canja" de "we are the champions". kkk

[@letsdataAI]

Valeu, mestre!!!

[@orafaelgf]

Parabéns pelo vídeo e didática. Tô fazendo uma maratona no canal e ainda não encontrei algum modelo de classificação onde foi preciso balancear as classes. Caso tenha, pode indicar, por favor? Caso não, fica sugestão de vídeo. Abs e sucesso ao canal.

[@letsdataAI]

Valeu, Rafael!! Boa sugestão! A gente aqui advoga por não balancear as classes por conta de muitas evidências que não melhoram a performance do modelo e ainda se corre um grande risco de data leakage. Nossa sugestão é escolher bem uma métrica que puna mais os erros na classe minoritária. Um ótimo assunto para um vídeo, vai entrar na lista! :)

[@orafaelgf]

@@letsdataAI legal, entendi. Vou estudar mais sobre leakages e tentar descobrir modelos que lidam bem com o desbalanceamento de dados. Obrigado e sucesso.

[@guimaraesalysson]

Você faz por meio do parâmetro scale_pos_weight, mas é melhor usar somente nos casos em que for MUITO desbalanceado (ex. 5% x 95%). Nos outros modelos comuns você tem que balancear com undersample/oversample e treinar nessa base, mas tem essa questão do data leakage

[@RafaelRivetti]

O bootstrap pode gerar problemas em séries temporais no sentido de alterar pontos de dados que precisam obedecer uma sequência (ordem) temporal? Isso seria um problema para modelos de bagging (como Random Forest) ao serem usados em séries financeiras como ações, butcoin, etc, alterando os pontos de dados na reamostragem?

[@letsdataAI]

Excelente dúvida, Rafael, fez a gente matutar um bocado aqui 😂 Pode sim!! Como as amostras usadas no bagging são randômicas, podemos perder informação que tenha relações temporais. Não é comum tratar isso e acabamos “aceitando” porque essa problema não inviabiliza a utilização dos modelos (como seria o caso de overfitting, por exemplo). Pra resolver tem que mudar a forma de amostragem, o que normalmente não é parametrizado nos principais pacotes. Ou seja: tem que fazer “na mão”.

[@ederson.madruga]

León, excelente aula. Obrigado. Vocês irão disponibilizar o notebook?

[@letsdataAI]

Mestre Ederson! Repositório no ar! :)

[@ederson.madruga]

@@letsdataAI valeu LéON.

[@tiaofilho123]

@@letsdataAI . León, onde fica o repositório deste notebook da aula?

[@letsdataAI]

Aqui!! github.com/letsdata

[@guimaraesalysson]

Por que transformar o target em variável quant. discreta na classificação?

[@letsdataAI]

No cross validate a API do XGBoost do scikit learn dá um erro porque ele transforma no fit mas não no predict. Deve ter outro jeito de corrigir, mas essa foi a opção mais simples que achamos.

[@lucasfescina]

Alguém poderia me dizer porque não precisa usar kfold nesse crossval score

[@letsdataAI]

Se não passar parâmetro o default é 5-fold :)

[@anacarolinaghizelliniwyatt6700]

boa tarde, professor. Esse notebook tá disponível em algum lugar pra gente baixar?

[@letsdataAI]

Tá na mão: github.com/letsdata/gradient-boosting-com-xgboost

[@anacarolinaghizelliniwyatt6700]

@@letsdataAI muito obrigada!!

[@nandojau1]

esse canal é PIÇA

[@letsdataAI]

😂 valeu demais! Conte com a gente