Merge pull request #64 from INGEOTEC/develop

Rendimiento (Actividad)

.devcontainer/devcontainer.json

@@ -3,7 +3,7 @@
     "ghcr.io/rocker-org/devcontainer-features/quarto-cli:1": 
         {"installChromium": true, "installTinyTex": true, "version": "prerelease"},
     "ghcr.io/rocker-org/devcontainer-features/apt-packages:1": 
-        {"packages": "libnss3,libxss1,libasound2,libxshmfence-dev"}
-    },
-"postCreateCommand": "pip install cython && pip install ingeoml seaborn evomsa wordcloud pandas jupyterlab umap-learn jax optax"
+        {"packages": "libnss3,libxss1,libasound2,libxshmfence-dev"},
+    "ghcr.io/devcontainers/features/conda:1": {}
+    }
 }

_quarto.yml

@@ -26,7 +26,6 @@ book:
     - capitulos/17Referencias.qmd
   appendices:
     - capitulos/14Estadistica.qmd
-    - capitulos/15Codigo.qmd
     - capitulos/16ConjuntosDatos.qmd
   site-url: https://ingeotec.github.io/AprendizajeComputacional
   repo-url: https://github.com/INGEOTEC/AprendizajeComputacional

capitulos/03Parametricos.qmd

@@ -416,7 +416,7 @@ El error estándar calculado con los datos mostrados en la figura anterior es `{
 :::
 
 
-## Clasificador Bayesiano Ingenuo
+## Clasificador Bayesiano Ingenuo {#sec-cl-bayesiano-ingenuo}
 
 Uno de los clasificadores mas utilizados, sencillo de implementar y competitivo, es el clasificador Bayesiano Ingenuo. En la @sec-model-clasificacion se asumió que la variable aleatoria $\mathcal X = (\mathcal X_1, \mathcal X_2, \ldots, \mathcal X_d)$ dado $\mathcal Y$ ($\mathcal X_{\mid \mathcal Y}$) es $\mathcal X_{\mid \mathcal Y} \sim \mathcal N(\mu_{\mathcal Y}, \Sigma_{\mathcal Y}),$ donde $\mu_{\mathcal Y} \in \mathbb R^d$, $\Sigma_{\mathcal Y} \in \mathbb R^{d \times d}$ y $f(\mathcal X_1, \mathcal X_2, \ldots, \mathcal X_d)$ es la función de densidad de probabilidad conjunta.
 
@@ -507,7 +507,7 @@ T, G, y_t, y_g = train_test_split(X, y, test_size=0.2,
 
 ### Entrenamiento
 
-Los dos modelos que se utilizarán será el clasificador de Análisis Discriminante Cuadrático y Bayesiano Ingenuo, utilizando las clases `QuadraticDiscriminantAnalysis` y `GaussianNB` que se explica en el @sec-clasificador-bayesiano-gausiano. Las siguientes dos instrucciones inicializan estos dos clasificadores. 
+Los dos modelos que se utilizarán será el clasificador de Análisis Discriminante Cuadrático y Bayesiano Ingenuo, utilizando las clases `QuadraticDiscriminantAnalysis` y `GaussianNB`. Las siguientes dos instrucciones inicializan estos dos clasificadores. 
 
 ```{python}
 #| echo: true

capitulos/04Rendimiento.qmd

@@ -203,7 +203,7 @@ f1 = metrics.f1_score(y_g, hy_gaussian,
 #| label: tbl-performance
 #| tbl-cap: Rendimiento
 #| echo: false
-headers = '|        |$\mathcal Y=0$ | $\mathcal Y=1$|Macro|'
+headers = '|        |$\\mathcal Y=0$ | $\\mathcal Y=1$|Macro|'
 linea =   '|----------------------|----------------------|----------------------|----------------------|'
 recall_f = ' | '.join([f'${x:0.4f}$' for x in recall.tolist() + [np.mean(recall)]])
 precision_f = ' | '.join([f'${x:0.4f}$' for x in precision.tolist() + [np.mean(precision)]])
@@ -253,6 +253,47 @@ Teniendo un valor de área bajo la curva (`auc_score`) de `{python} auc_score_f`
 auc_score = metrics.roc_auc_score(y_g, prob[:, 1])
 ```
 
+::: {.callout-tip collapse="true"}
+### Actividad
+
+Medir el rendimiento del Clasificador Gausiano Ingenuo (@sec-cl-bayesiano-ingenuo) en el problema del del Iris (ver @sec-iris) utilizando la función $F_\beta$ (@sec-f1) variando $\beta$ entre $[0, 1],$ tal y como se muestra en la @fig-actividad-fbeta
+
+```{python}
+#| label: fig-actividad-fbeta
+#| fig-cap: "Rendimiento de un Clasificador Bayesiano Ingenuo en el problema del Iris estimado mediante una validación cruzada estratificada."
+#| echo: false
+
+from sklearn.datasets import load_iris
+from sklearn.metrics import recall_score, precision_score
+from sklearn.model_selection import StratifiedKFold
+import seaborn as sns
+import pandas as pd
+
+X, y = load_iris(return_X_y=True)
+hy = np.empty_like(y)
+skf = StratifiedKFold()
+for tr, vs in skf.split(X, y):
+    gaussian = GaussianBayes().fit(X[tr], y[tr])
+    hy[vs] = gaussian.predict(X[vs])
+
+beta = np.linspace(0, 1, 10)**2
+pre = precision_score(y, hy, average=None)
+recall = recall_score(y, hy, average=None)
+
+num = np.atleast_2d(1 + beta).T * pre * recall
+den = np.atleast_2d(beta).T * pre + recall
+f1_beta = num / den
+
+data = load_iris()
+df = pd.DataFrame(np.c_[f1_beta, beta],
+                  columns=data.target_names.tolist() + ['Beta^2'])
+df.set_index('Beta^2', inplace=True)
+df2 = df.melt(value_name='F-Beta', ignore_index=False,
+              var_name='Clase')
+sns.relplot(df2.reset_index(), kind='line', x='Beta^2', hue='Clase', y='F-Beta')
+```
+:::
+
 ## Regresión {#sec-rendimiento-regresion}
 
 Con respecto a regresión las siguientes funciones son utilizadas como medidas de rendimiento.

capitulos/09Lineal.qmd

@@ -475,7 +475,7 @@ En clasificación binaria (@sec-binaria) se describió que la función discrimin
 
 $$
 \begin{split}
-\log \frac{\mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)}{\mathbb P(\mathcal Y=2 \mid \mathcal X=\mathbf x)} &= \frac{\mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)}{1 - \mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)}\\
+\log \frac{\mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)}{\mathbb P(\mathcal Y=2 \mid \mathcal X=\mathbf x)} &= \log \frac{\mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)}{1 - \mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)}\\
 &= \textsf{logit}(\mathbb P(\mathcal Y=1 \mid \mathcal X=\mathbf x)),
 \end{split}
 $$

environment.yml

@@ -1,7 +1,6 @@
 name: codespaces
 channels:
   - conda-forge
-  - defaults
 dependencies:
   - IngeoML
   - seaborn