12
Rede de Computadores
UNINTER
10
Rede de Computadores
UNINTER
14
Rede de Computadores
UNINTER
28
Rede de Computadores
UNINTER
6
Rede de Computadores
UNINTER
1
Rede de Computadores
UNINTER
1
Rede de Computadores
UNINTER
11
Rede de Computadores
UNINTER
1
Rede de Computadores
UNIFAEL
1
Rede de Computadores
UNIFAEL
Texto de pré-visualização
CENTRO UNIVERSITÁRIO INTERNACIONAL UNINTER ESCOLA SUPERIOR POLITÉCNICA NOME DO CURSO DISCIPLINA DE NOME DA DISCIPLINA ATIVIDADE PRÁTICA nome aluno RU 1234567 sua cidade seu estado 202 5 Utilizando um livro de estatística da biblioteca virtual pesquise sobre gráfico de dispersão Escreva a definição do gráfico de dispersão Cite a referência do livro utilizado indique a página do livro de onde pesquisou o conceito Pesquise sobre pairplot httpsseabornpydataorggeneratedseabornpairplothtmlseabornpai rplot Crie um pairplot utilizando o banco de dados carregado colocar uma imagem do código e abaixo colocar a imagem do gráfico Utilizando um livro de estatística da biblioteca virtual pesquise sobre correlação Escreva a definição de correlação Cite a referência do livro utilizado indique a página do livro de onde pesquisou o conceito Crie um gráfico de correlação utilizando o banco de dados que selecionamos acima colocar uma imagem do código e abaixo colocar a imagem do gráfico 5 Utilizando a tabela abaixo analise os resultados do gráfico de correlação heatmap gerado no exercício 4 Fonte SICSÚ DANA 2012 P96 APLICAÇÃO DE MODELOS DE MACHINE LEARNING PARA PREVER SE O TUMOR É BENIGNO OU MALIGNO A partir da base de dados Breast Cancer que carregamos acima execute as seguintes tarefas Vamos definir que as variáveis dependentes do modelo são as variáveis mean radius mean texture mean perimeter mean area A variável target será a variável class Crie partições contendo 75 dos dados para treino e 25 para teste colocar uma imagem do código Normalize os dados colocar uma imagem do código Treine os modelos utilizando RandomForest e SVC um tipo de SVM específico para problemas de classificação colocar uma imagem do código Crie a matriz de confusão dos modelos colocar uma imagem do código e uma imagem da matriz de confusão criada Faça a análise a matriz de confusão criada Coloque o link para seu arquivo criado do google colab certifi que se que na 1ª linha conste seu nome RU e curso 1
12
Rede de Computadores
UNINTER
10
Rede de Computadores
UNINTER
14
Rede de Computadores
UNINTER
28
Rede de Computadores
UNINTER
6
Rede de Computadores
UNINTER
1
Rede de Computadores
UNINTER
1
Rede de Computadores
UNINTER
11
Rede de Computadores
UNINTER
1
Rede de Computadores
UNIFAEL
1
Rede de Computadores
UNIFAEL
Texto de pré-visualização
CENTRO UNIVERSITÁRIO INTERNACIONAL UNINTER ESCOLA SUPERIOR POLITÉCNICA NOME DO CURSO DISCIPLINA DE NOME DA DISCIPLINA ATIVIDADE PRÁTICA nome aluno RU 1234567 sua cidade seu estado 202 5 Utilizando um livro de estatística da biblioteca virtual pesquise sobre gráfico de dispersão Escreva a definição do gráfico de dispersão Cite a referência do livro utilizado indique a página do livro de onde pesquisou o conceito Pesquise sobre pairplot httpsseabornpydataorggeneratedseabornpairplothtmlseabornpai rplot Crie um pairplot utilizando o banco de dados carregado colocar uma imagem do código e abaixo colocar a imagem do gráfico Utilizando um livro de estatística da biblioteca virtual pesquise sobre correlação Escreva a definição de correlação Cite a referência do livro utilizado indique a página do livro de onde pesquisou o conceito Crie um gráfico de correlação utilizando o banco de dados que selecionamos acima colocar uma imagem do código e abaixo colocar a imagem do gráfico 5 Utilizando a tabela abaixo analise os resultados do gráfico de correlação heatmap gerado no exercício 4 Fonte SICSÚ DANA 2012 P96 APLICAÇÃO DE MODELOS DE MACHINE LEARNING PARA PREVER SE O TUMOR É BENIGNO OU MALIGNO A partir da base de dados Breast Cancer que carregamos acima execute as seguintes tarefas Vamos definir que as variáveis dependentes do modelo são as variáveis mean radius mean texture mean perimeter mean area A variável target será a variável class Crie partições contendo 75 dos dados para treino e 25 para teste colocar uma imagem do código Normalize os dados colocar uma imagem do código Treine os modelos utilizando RandomForest e SVC um tipo de SVM específico para problemas de classificação colocar uma imagem do código Crie a matriz de confusão dos modelos colocar uma imagem do código e uma imagem da matriz de confusão criada Faça a análise a matriz de confusão criada Coloque o link para seu arquivo criado do google colab certifi que se que na 1ª linha conste seu nome RU e curso 1