अवधारणा का चित्रण · कोई वास्तविक कंपनी या परिणाम नहीं
शुरुआत कहाँ हुई
एक सवाल से शुरू हुआ यूनिवर्सिटी प्रोजेक्ट। कंपनी डेटा से मैं दिवालिया होने के जोखिम के बारे में कौन-सी उपयोगी जानकारी निकाल सकता हूँ?
समस्याएँ और निर्णय
मेट्रिक चुनना
दिवालिया होने के मामले कम संख्या वाली क्लास हैं। किसी ऐसे मामले को चूकने की कीमत ग़लत चेतावनी से ज़्यादा हो सकती है। इस संतुलन को परखने के लिए मैंने F3 का भी इस्तेमाल किया, जो प्रिसिज़न की तुलना में रिकॉल को अधिक वज़न देता है।
रणनीतियों की तुलना
मैंने मॉडल और थ्रेशोल्ड की तुलना करके देखा कि पहचाने गए मामलों और फ़ॉल्स अलार्म की संख्या कैसे बदलती है। साथ ही Random Forest से फीचर्स के महत्त्व का अध्ययन किया।
यह कैसे काम करता है
एक Python नोटबुक pandas, NumPy और scikit-learn के टूल से टेबल के रूप में मौजूद डेटा तैयार और मानकीकृत करती है।
Random Forest से फ़ीचर के महत्व का विश्लेषण किया जा सकता है। प्रयोगों में RF के अलग-अलग कॉन्फ़िगरेशन की तुलना Support Vector Machines से की जाती है।
न्यूरल नेटवर्क के प्रयोगों में TensorFlow/Keras का इस्तेमाल आर्किटेक्चर, रेग्युलराइज़ेशन और ओवरफ़िटिंग के संकेतों की जाँच के लिए किया जाता है।
निर्णय की थ्रेशोल्ड और फ़ीचर सेट की तुलना F3-score, ROC कर्व और नोटबुक में सेव किए गए चार्ट के ज़रिए की जाती है।
प्रोजेक्ट के भीतर
डेटा से व्याख्या तक: प्रोजेक्ट के चरण।
01डेटा और तैयारी
02फ़ीचर्स और मानकीकरण
03Random Forest · SVM · न्यूरल नेटवर्क
04थ्रेशोल्ड · F₃ · ROC · ओवरफ़िटिंग
प्रोजेक्ट का विवरणात्मक आरेख
मैंने क्या सीखा
इस प्रोजेक्ट ने मुझे स्कोर के साथ उसके पीछे की त्रुटियों को भी समझना सिखाया। मेट्रिक या थ्रेशोल्ड बदलने से यह बदल जाता है कि कौन-से मामले पहचाने जाते हैं। मॉडल की तुलना करते समय मैं इस संतुलन को स्पष्ट रखना चाहता हूँ।
वर्तमान स्थिति
विश्वविद्यालय का अन्वेषणात्मक प्रोजेक्ट। चार्ट नोटबुक में सेव किए गए रन का रिकॉर्ड दिखाते हैं। निष्कर्षों को परखने के लिए नए डेटा पर स्वतंत्र मूल्यांकन की ज़रूरत होगी।
बताइए कि आप क्या बनाना या बेहतर करना चाहते हैं, उसका इस्तेमाल कौन करेगा और आपकी क्या सीमाएँ हैं। मैं आपसे संपर्क करूँगा, ताकि हम मिलकर तय कर सकें कि शुरुआत कहाँ से करें।
