Treinamento do modelo de classificação

A função Classificação unificada PAL do SAP HANA [1] fornece uma maneira eficiente de treinar modelos de classificação com recursos aprimorados, como:

• Alternância perfeita entre algoritmos de classificação
• Particionamento automático de conjuntos de dados
• Procedimentos de avaliação de modelo integrados
• Suporte para métricas de avaliação adicionais

Para esta tarefa, o algoritmo Hybrid Gradient Boosting Tree (HGBT) é selecionado definindo o parâmetro 'func' como 'HybridGradientBoostingTree'. Por fim, é exibido o tempo de treinamento, ou seja, o tempo necessário para ajustar o modelo ao conjunto de dados de treinamento.

123456789101112131415161718192021
# Train the classifer model using PAL HybridGradientBoostingTree
# Initialize the model object 

hgbc = UnifiedClassification(func='HybridGradientBoostingTree',
                            n_estimators = 101, split_threshold=0.1,
                            learning_rate=0.1, max_depth=6,
                            split_method='histogram', max_bin_num=256, feature_grouping=True,
                            tolerant_iter_num=5,
                            resampling_method='cv', fold_num=5, ref_metric=['auc'],
                            evaluation_metric = 'error_rate')

# Execute the training of the model
# key= 'EMPLOYEE_ID',

hgbc.fit(data=df_train.drop('EMPLOYEE_ID'), 
         label='FLIGHT_RISK', 
         partition_method='stratified', stratified_column='FLIGHT_RISK', training_percent=0.8,
         ntiles=20,  
         build_report=True)

display(hgbc.runtime)

1,82820272445678

O gerador de relatórios PAL/APL é usado para avaliar o desempenho do modelo. Atualmente, ele suporta somente os modelos UnifiedClassification e UnifiedRegression[1].

Existem várias métricas de performance de classificação, sendo AUC-ROC (Área sob a curva de característica operacional receptora) [2] uma das mais utilizadas. Esta métrica, que varia de 0 a 1, avalia a capacidade de um modelo de classificação binária de distinguir entre classes positivas e negativas. Quanto mais próximo o valor IeA for de 1, melhor o desempenho do modelo na separação das classes.

No relatório exibido abaixo, na guia Estatísticas na Tabela de estatísticas, observa-se um valor AUC de 0,95. Além disso, o diagrama AUC-ROC está disponível para visualização na guia 'Métricas de avaliação'.

A guia Importância da variável apresenta um gráfico de pizza de importância do recurso, que atribui pontuações aos recursos de entrada com base em sua contribuição para prever a variável de destino [3]. Escores mais altos indicam maior influência nas previsões do modelo, com valores de importância variando entre 0 e 1.

A partir dos resultados, 'PREVIOUS_COUNTRY' tem o maior escore de importância de 0,23, seguido de 'FUNCTIONALAREACHANGETYPE' em 0,21.

123
# Build Model Report

UnifiedReport(hgbc).build().display()