MAT281 - Laboratorio N°15: Modelos de Clasificacion Supervisada¶

Objetivos del laboratorio¶

• Plantear un problema de clasificacion binaria.
• Interpretar la matriz de confusion y metricas (accuracy, precision, recall, F1).
• Entrenar regresion logistica y arboles de decision.
• Construir e interpretar la curva ROC y el AUC.
• Analizar el desbalance de clases y el efecto del umbral de decision.

Instrucciones¶

Lea con atencion cada problema antes de resolverlo. Reemplace cada celda que contiene # FIXME con su propia solucion y, cuando se solicite, responda las preguntas en celdas de texto.

Nota: Puede apoyarse en asistentes virtuales (ChatGPT, Gemini, Claude) o en el autocompletado de Colab, pero asegurese de entender cada linea de codigo que entregue.

In [ ]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler

Problema 01 — El problema de clasificacion¶

Usaremos el dataset Breast Cancer de scikit-learn (clasificar tumores como benignos o malignos).

Tu tarea:

1. Carga load_breast_cancer(as_frame=True).
2. Separa X e y, divide en train/test (estratificado) y estandariza X.
3. ¿Cuantos casos de cada clase hay? ¿Esta balanceado?

In [ ]:

from sklearn.datasets import load_breast_cancer

# FIXME

from sklearn.datasets import load_breast_cancer # FIXME

Problema 02 — Regresion logistica y metricas¶

Tu tarea:

1. Entrena una LogisticRegression.
2. Calcula accuracy, precision, recall y F1 (classification_report).
3. Muestra la matriz de confusion (ConfusionMatrixDisplay).
4. Pregunta: en el contexto de un diagnostico de cancer, ¿que error es mas grave: un falso positivo o un falso negativo? ¿Que metrica priorizarias?

In [ ]:

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, ConfusionMatrixDisplay

# FIXME

from sklearn.linear_model import LogisticRegression from sklearn.metrics import classification_report, ConfusionMatrixDisplay # FIXME

Respuesta (Problema 02): (escribe aqui)

Problema 03 — Arbol de decision¶

Tu tarea:

1. Entrena un DecisionTreeClassifier (limita max_depth para evitar sobreajuste).
2. Compara sus metricas con las de la regresion logistica.
3. (Opcional) Visualiza el arbol con plot_tree.

In [ ]:

from sklearn.tree import DecisionTreeClassifier, plot_tree

# FIXME

from sklearn.tree import DecisionTreeClassifier, plot_tree # FIXME

Problema 04 — Curva ROC y AUC¶

Tu tarea:

1. Obten las probabilidades predichas (predict_proba) de la clase positiva.
2. Grafica la curva ROC (RocCurveDisplay) y reporta el AUC.
3. Pregunta: ¿que representa el AUC? ¿Que valor tendria un clasificador aleatorio?

In [ ]:

from sklearn.metrics import RocCurveDisplay, roc_auc_score

# FIXME

from sklearn.metrics import RocCurveDisplay, roc_auc_score # FIXME

Respuesta (Problema 04): (escribe aqui)

Problema 05 — Umbral de decision¶

Por defecto se clasifica como positivo si $P > 0.5$, pero el umbral se puede ajustar.

Tu tarea:

1. Prueba umbrales de 0.3, 0.5 y 0.7 sobre las probabilidades.
2. Para cada umbral reporta precision y recall.
3. Pregunta: ¿como cambia el equilibrio precision/recall al mover el umbral?

In [ ]:

# FIXME

# FIXME

Respuesta (Problema 05): (escribe aqui)