En la Sesion 6 del Proyecto Javierre, el alumnado predice a mano el diagnostico de cinco pacientes reales nunca vistos por el modelo, compara su respuesta con la del Random Forest y con el diagnostico real, cerrando el recorrido del proyecto.
En la Sesion 5 del Proyecto Javierre, el alumnado usa validacion cruzada con scikit-learn para comprobar si la exactitud de sus modelos sobre leucemia infantil dependia de la suerte de una unica particion de solo 15 pacientes de examen.
En la Sesion 4 del Proyecto Javierre, el alumnado entrena un Random Forest sobre los cuatro genes seleccionados y comprueba, con feature importances, si el algoritmo aprende a apoyarse en los mismos marcadores mieloides y linfoides elegidos por su significado clinico real.
En la Sesion 3 del Proyecto Javierre, el alumnado calcula la matriz de confusion de su arbol de decision sobre ALL y AML, descubriendo que aqui los dos tipos de error pesan igual porque ambas clases son leucemias reales que se tratan de forma distinta.
En la Sesion 2 del Proyecto Javierre, el alumnado separa los 72 pacientes en entrenamiento y examen con stratify, y entrena su primer arbol de decision real sobre los cuatro genes seleccionados para distinguir leucemia linfoblastica aguda de leucemia mieloide aguda.
Presentación del Proyecto Javierre, dedicado a la investigadora Biola Javierre: de donde vienen los datos reales de expresion genica de leucemia infantil (Golub et al. 1999) y por que se han elegido los genes MPO, CD33, CD19 y TdT.