Portafolio de evidencias: canalización y optimización

De qué iba

El portafolio cerró el curso y lo armé sobre el mismo Titanic de la semana anterior, que era justo lo que el profesor autorizó en la sesión: reusar un ejercicio ya hecho y acomodarlo a la estructura de objetivos, recopilación, selección de algoritmo, evaluación y optimización. Comparé tres clasificadores dentro del mismo pipeline —Random Forest, Gradient Boosting y SVC—, primero con sus valores por defecto y luego afinados con GridSearchCV. Gradient Boosting se quedó con el mejor F1 en la línea base y en el conjunto de prueba; después de optimizar, el que más subió en validación cruzada fue el bosque, hasta 0.7816, y además terminó con el mayor AUC en prueba.

• Levanté la línea base con validación cruzada estratificada de 5 particiones: Gradient Boosting arriba con F1 0.7571 y AUC 0.8710, seguido de SVC (F1 0.7358) y Random Forest (F1 0.7275)
• Con GridSearchCV sobre los tres pipelines subí el F1 del bosque de 0.7275 a 0.7816, limitando la profundidad a 10 y exigiendo dos muestras por hoja como regularizador
• En las 179 muestras de prueba, Gradient Boosting quedó con F1 0.7474 y 81.0% de accuracy; Random Forest con el mejor AUC, 0.8653
• Agregué curva de aprendizaje para mostrar que la brecha entre entrenamiento y validación se mantuvo por debajo de 0.06
• Escribí una sección de ética con el dato incómodo: el género aporta cerca del 45% de la importancia en el bosque, o sea que el modelo aprendió y repite la regla de evacuación de 1912

Qué pedían

El enunciado y la rúbrica, tal cual los publicaron.

Qué entregué

Lo que salió de esa semana.

Lo que usé por el camino

Notas sueltas, datos y código de apoyo.

Seguir leyendo

Esa misma semana, en las otras materias: