Previsão de falhas de máquinas

Visão geral do projeto

Comparando modelos para classificar o estado de máquinas.

Um estudo de classificação de conjunto para um conjunto de dados de falhas de máquina fortemente desequilibrado. O fluxo de trabalho separa o treinamento, a seleção de limites e a avaliação final, relatando compensações na detecção de falhas, em vez de apenas precisão.

• Python
• Aprendizado de máquina
• Aprendizado por ensembles
• Avaliação

Por dentro deste projeto

• Registros 20,000 preparados com falhas 678 e células ausentes 2,579 usando pré-processamento ajustado para treinamento.
• Árvore de decisão combinada, floresta aleatória, aumento de gradiente, AdaBoost, K-vizinho mais próximo e estimadores de regressão logística.
• Separou 12,000 registros para treinamento, 4,000 para validação do limiar e 4,000 para teste, com uma semente aleatória fixa.
• Selecionou um limite de decisão 0.455 pela validação F1 entre candidatos 181.
• Registrou precisão de 0.5932, revocação de 0.7721 e F1 de 0.6709 no conjunto reservado, detectando 105 de 136 falhas de teste, com 72 falsos positivos.
• Adicionados testes 17 e documentou o limite de avaliação não temporal de conjunto de dados único; a validação e calibração externa da fábrica permanecem não estabelecidas.

Código-fonte e links