Ablauf des Maschinellen Lernens

Betrachten wir den Workflow, den man durchläuft, um ein erfolgreiches Machine-Learning-Projekt zu erstellen.

Schritt 1. Datenbeschaffung

Definition des Problems, Auswahl einer Leistungskennzahl und Festlegung, was als gutes Ergebnis gilt. Anschließend Beschaffung der erforderlichen Daten aus verfügbaren Quellen und Umwandlung in ein für Python geeignetes Format. Wenn die Daten bereits in einer CSV-Datei vorliegen, kann die Vorverarbeitung sofort beginnen.

Beispiel

Ein Krankenhaus sammelt Patientendaten und demografische Informationen in einer CSV-Datei. Ziel ist die Vorhersage von Wiederaufnahmen, mit einer angestrebten Genauigkeit von über 80 %.

Schritt 2. Datenvorverarbeitung

Dieser Schritt umfasst:

• Datenbereinigung: Umgang mit fehlenden Werten und nicht-numerischen Eingaben;
• EDA: Analyse und Visualisierung der Daten zur Erkennung von Zusammenhängen und Problemen;
• Feature Engineering: Auswahl oder Erstellung von Merkmalen, die die Modellleistung verbessern.

Beispiel

Fehlende Werte (z. B. Blutdruck) werden ergänzt und kategoriale Merkmale (z. B. Ethnie) in numerische Form umgewandelt.

Schritt 3. Modellierung

Diese Phase umfasst:

• Modellauswahl basierend auf Problemtyp und Experimenten;
• Hyperparameter-Optimierung zur Leistungssteigerung;
• Modellevaluierung mit unbekannten Daten.

Beispiel

Ein Klassifikationsmodell wird zur Vorhersage einer Wiederaufnahme (ja/nein) ausgewählt. Nach der Optimierung wird es auf einem Validierungs-/Testdatensatz bewertet, um die Generalisierungsfähigkeit zu prüfen.

Schritt 4. Bereitstellung

Sobald ein Modell gute Ergebnisse liefert, wird es in reale Systeme bereitgestellt. Das Modell muss überwacht, mit neuen Daten aktualisiert und im Laufe der Zeit verbessert werden, wobei der Zyklus häufig wieder bei Schritt 1 beginnt.

Beispiel

Das Modell wird in das Krankenhausinformationssystem integriert, um bei der Aufnahme Hochrisikopatienten zu kennzeichnen und dem Personal ein frühzeitiges Handeln zu ermöglichen.

Datenvorverarbeitung und Modellierung können mit scikit-learn durchgeführt werden. Die nächsten Kapitel führen in Vorverarbeitungs-Workflows und Pipelines ein, gefolgt von der Modellierung mit k-nächste Nachbarn (KNeighborsClassifier), einschließlich Training, Optimierung und Bewertung.