1
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
12
Linguagens de Programação
UMG
3
Linguagens de Programação
UMG
2
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
2
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
Texto de pré-visualização
Objetivos específicos Exploração dos Dados 1 Obtenha informações sobre o dataset 05 PONTO 2 Apresente análise estatística das colunas numéricas 05 PONTO 3 Escolha duas colunas numéricas e apresente graficamente sua distruição de frequencias histograma 10 PONTO PréProcessamento dos dados 1 Codifique as colunas categóricas 05 PONTO 2 Separe o conjunto entre treino e teste 05 PONTO 3 Normalize os dados numéricos e justifique a escolha do algoritmo de normalização 10 PONTO Seleção de Atributos Feature Selection 1 Escolha até 10 atributos para criar modelo de Machine Learning utilize a matriz de correlação para essa escolha Apresente o resultado da matriz e justifique suas escolhas 10 PONTO Modelo de Machine Learning 1 Utilize Random Search ou método equivalente para buscar os melhores hiperparâmetros para os algoritmos Random Forest e KNN 10 PONTO 2 Apresente as métricas Acuracidade de treino acuracidade de teste e matriz de confusão Os dois modelos encontrados estão em cenário de Overfitting ou Underfitting Justifique 05 PONTO 3 Escolha o modelo final com base nas métricas do item anterior 05 PONTO
1
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
12
Linguagens de Programação
UMG
3
Linguagens de Programação
UMG
2
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
2
Linguagens de Programação
UMG
1
Linguagens de Programação
UMG
Texto de pré-visualização
Objetivos específicos Exploração dos Dados 1 Obtenha informações sobre o dataset 05 PONTO 2 Apresente análise estatística das colunas numéricas 05 PONTO 3 Escolha duas colunas numéricas e apresente graficamente sua distruição de frequencias histograma 10 PONTO PréProcessamento dos dados 1 Codifique as colunas categóricas 05 PONTO 2 Separe o conjunto entre treino e teste 05 PONTO 3 Normalize os dados numéricos e justifique a escolha do algoritmo de normalização 10 PONTO Seleção de Atributos Feature Selection 1 Escolha até 10 atributos para criar modelo de Machine Learning utilize a matriz de correlação para essa escolha Apresente o resultado da matriz e justifique suas escolhas 10 PONTO Modelo de Machine Learning 1 Utilize Random Search ou método equivalente para buscar os melhores hiperparâmetros para os algoritmos Random Forest e KNN 10 PONTO 2 Apresente as métricas Acuracidade de treino acuracidade de teste e matriz de confusão Os dois modelos encontrados estão em cenário de Overfitting ou Underfitting Justifique 05 PONTO 3 Escolha o modelo final com base nas métricas do item anterior 05 PONTO