ПРОБЛЕМА:

В золотодобывающей отрасли есть большие риски запуска предприятий с убыточными характеристиками.

Основная характеристика - низкий коэффициент восстановления золота из золотосодержащей руды.

ЦЕЛЬ ПРОЕКТА:

Построить прототип модели машинного обучения, которая сможет предсказывать коэффициент обогащения и поможет оптимизировать производство.

В нашем распоряжении различные параметры с 4-х последовательных этапов процесса извлечения золота из руды:

1. rougher — флотация

==> черновой концентрат

2. primary_cleaner — первичная очистка
3. secondary_cleaner — вторичная очистка
4. final — финальные характеристики

==> финальный концентрат

ЛИЧНАЯ ЦЕЛЬ:

• Попробовать свои силы в прикладных задачах для промышленности, разобраться в неизвестной предметной области и провести детальный исследовательский анализ EDA.

• Научиться строить модели для датасетов с большим количеством признаков.

• Применить на практике подход с Feature Engineering и добиться более высоких результатов предсказаний с помощью несложных алгоритмов.

• Научиться использовать для оценки моделей пользовательские метрики

Посмотреть проект

1. Изучили параметры производственного процесса в исходных данных

2. Исследовали концентрацию веществ на разных стадиях и аномалии:

   • провели оценку skewness распределений
   • удалили аутлайеры вне доверительных интервалов

3. Провели корреляционный анализ параметров и целевых признаков

4. Построили предсказания коэффициента обогащения золота на базе 3-х алгоритмов:

   • LinearRegression
   • DecisionTree
   • RandomForest

5. Используя Feature Engineering улучшили результаты базовых моделей:

   • подобрали ключевой набор признаков (15 вместо 52)
   • создали пайплайн для удаления аутлайеров по графикам корреляции

Для предсказания коэффициента восстановления золота мы подготовили два прототипа моделей машинного обучения

• для чернового концентрата (rough) - Линейная Регрессия
• для финального концентрата (final) - Решающее Дерево

Качество оценивалось с помощью кастомной метрики sMAPE:

Возможности для улучшения:

• усложнить модель Случайного Леса и подобрать параметры с помощью RandomizedSearch
• построить модель с помощью CatBoost

import pandas as pd

df = pd.read_csv("/datasets/gold_recovery_train_new.csv")
display(df.iloc[:, :6].head(3))
df.iloc[:, 84:].head(3)

Все поля имеют формат название_этапа.тип_параметра.название_параметра и отражают состояние процесса в указанный момент времени.