PROOF OF CONCEPT: multilabel onevsrest SGDC classification

[daviz]

Hey!

He implementado un clasificador multilabel, OneVSRest (multi-class) with decision tree classifier o linear svm. Tambien se implementa un Random Forest. Para ver los resultados podéis ejecutar el script.
Para ello he hecho un binning del max_payment y del min_payment en los siguientes niveles:
["very-low", "low", "low-medium", "medium", "medium-high", "high", "very-high"]

Dada un perfil como:

'age_interval': '35-44',
'max_payment_level': 'low', # pago máximo que se puede permitir
'min_payment_level': 'low', # pago mínimo que suele hacer.
'gender': 'male',
'weekday': '5'

saca varios zip-codes (multilabel) que pueden ser apropiados para ese perfile. Esto es una primera iteración. Se puede mejorar mucho y seguramente la diferencia esta en la fase de crear nuevas features a partir del dataset para ayudar al clasificador.

Se ha añadido un scoring aunque hay que interpretarlo con cuidado porque estamos haciendo un multilabel classification:

1. El que me convence mas debido a que tiene mejor precision vs recall es el de onevsrest decision tree.
2. El que tiene mas precision es el random forest pero el recall es mas bajo.
3. El onevsrest linear svm creo que se puede descartar en favor del primero

Algunos links que he ido mirando para poder implementar esto:
http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MultiLabelBinarizer.html
http://scikit-learn.org/stable/modules/generated/sklearn.multiclass.OneVsRestClassifier.html
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html
http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.DictVectorizer.html

[existeundelta]

👍👍👍