Saltar a contenido

Orange, Colab y cuadernos

Cuatro caminos para el mismo método. El más avanzado, alineado con lo que ya corre en producción, es GeoIA: PCA, firma de MOD_ALT, lienzo tipo Orange y predicción del 60 % de sondajes ciegos, en el navegador.

Camino Qué necesitas Para quién
GeoIA Navegador Quien quiere firmar MOD_ALT y ver Test & Score ya
Google Colab Cuenta de Google Quien quiere las cifras de scikit-learn sin instalar
Orange Orange 3 Quien replica el lienzo de la tesis
Python local pip y una consola Quien pega el flujo a sus sondajes

Google Colab (un clic)

El cuaderno 00 clona este repositorio (main), instala alteration_ml y corre el perfil thesis sobre el sintético: PCA, K-Means y los cuatro clasificadores.

  1. Abre: Abrir en Colab
  2. Menú Entorno de ejecución → Ejecutar todo.
  3. Al final aparece el ranking RF / red / k-NN / SVM.

Los otros tres cuadernos profundizan las mismas fases que GeoIA:

Cuaderno Fase Enlace
00_colab_pipeline.ipynb Todo el flujo Colab
01_eda_espectral_geoquimica.ipynb Logueo / tabla GitHub
02_unsupervised_ensambles.ipynb Fase 1 (PCA, dendrograma, k = 5) GitHub
03_supervised_clasificacion.ipynb Fase 2 (RF, kNN, MLP, SVM) GitHub

En local: clona el repo y ábrelos desde notebooks/ con Jupyter. Las rutas relativas a data/synthetic/ asumen que el kernel arranca en esa carpeta.

Orange (como en la tesis)

Orange es software libre de la Universidad de Ljubljana. La tesis usó sus widgets sobre scikit-learn (Figuras 30–32). Aquí se replica el mismo lienzo con el CSV sintético. GeoIA dibuja ese lienzo en la Fase 2; Orange es la vía que sí usa kernel RBF y 100 neuronas / 200 iteraciones.

1. Bajar Orange y el CSV

  1. Instala Orange 3: https://orangedatamining.com/download/
  2. Descarga synthetic_merged.csv (Guardar como CSV).

2. No supervisado (espectro → clústeres)

En el lienzo, de izquierda a derecha:

flowchart LR
  A[File: synthetic_merged.csv] --> B[Select Columns]
  B --> C[Preprocess]
  C --> D[PCA]
  D --> E[Hierarchical Clustering]
  D --> F[k-Means]
  F --> G[Scatter Plot]

Select Columns (espectro). Features: los 13 minerales SWIR más Hematite y Goethite (15 columnas; las mismas de GeoIA). Ignora x, y, z, holeid, sample_id y la geoquímica.

Preprocess. Imputar mediana; continuar variables; normalizar (estandarizar).

PCA. Componentes suficientes para ver PC1–PC2 (en la tesis se interpretó el biplot de minerales; en GeoIA puedes cambiar PC1–PC4).

Hierarchical Clustering. Distancia euclidiana, enlace Ward, corte en 5 grupos de minerales si transpones, o de muestras si no. GeoIA usa enlace promedio sobre las 15 variables.

k-Means. k = 5, inicialización k-means++, semilla fija si el widget lo permite.

Scatter Plot. Ejes PC1 y PC2, color = clúster. Esto es la propuesta del algoritmo, no el dominio.

Luego el geólogo asigna MOD_ALT (ver Asignación de dominios). En GeoIA lo haces con un polígono sobre collares logueados. En Orange puedes guardar el clúster, exportar a CSV y volver a cargar ya con la columna MOD_ALT firmada.

3. Supervisado (geoquímica → MOD_ALT)

flowchart LR
  A[File con MOD_ALT] --> B[Select Columns]
  B --> C[Preprocess]
  C --> D[Data Sampler]
  D --> E[Random Forest]
  D --> F[kNN]
  D --> G[Neural Network]
  D --> H[SVM]
  E --> I[Test and Score]
  F --> I
  G --> I
  H --> I
  I --> J[Confusion Matrix]
  I --> K[ROC Analysis]

Select Columns. Target: MOD_ALT. Features: columnas químicas (*_ppm, *_pct). Ignora coordenadas e IDs.

Preprocess. Igual: mediana, continuar, estandarizar (Z-score).

Data Sampler. En la tesis: 80 % entrenamiento / 20 % prueba, estratificado por MOD_ALT. En GeoIA la reserva es por collar (40 % logueados / 60 % ciegos).

Hiperparámetros de la tesis (Tablas 19–22):

Widget Ajuste publicado
Random Forest 10 árboles, 8 atributos, profundidad 4, no partir nodos < 5, clases balanceadas, semilla
kNN k = 5, Euclidean, pesos por distancia
Neural Network 100 neuronas, ReLU, Adam, α = 0,0001, 200 iteraciones
SVM C = 1, kernel RBF, tope 100 iteraciones (en Orange suele quedar flojo)

Test and Score + Confusion Matrix + ROC Analysis (one vs rest por dominio). En la tesis, Random Forest ganó; SVM quedó último.

4. Predicción de tramos nuevos

Predictions sobre el CSV de química sin etiqueta. Exporta holeid, from_m, to_m y la clase predicha para Leapfrog u otro modelador 3D. En GeoIA eso es la Fase 3 (collares no logueados o un CSV propio).

Qué no hacen GeoIA, Orange ni Colab por ti

El juicio geológico al etiquetar dominios. Ni el lienzo, ni el cuaderno, ni el polígono en el PCA sustituyen mirar la continuidad en sección. Ver Asignación de dominios.