Projeto de Machine Learning com Sklearn

Descrição

Este projeto apresenta uma série de notebooks desenvolvidos no Google Colab que aplicam técnicas de machine learning para resolver problemas de classificação. A ênfase é dada em algoritmos de classificação e análise de dados, visando a criação de modelos replicáveis e a comparação entre métodos lineares e não lineares.

Tecnologias e Ferramentas

• Google Colab: Ambiente de desenvolvimento baseado em nuvem para Jupyter notebooks.
• Python: Linguagem de programação principal.
• Bibliotecas de Machine Learning:
  • scikit-learn para modelos de aprendizado de máquina.
  • pandas para manipulação de dados.
  • numpy para computação numérica.
  • matplotlib e seaborn para visualização de dados.

Conteúdo

• Introdução à Classificação: Implementação de um modelo de classificação básico e práticas de padronização de nomes.
• Testes Replicáveis e Estratificação: Técnicas para garantir que os testes sejam replicáveis e estratégias para lidar com dados desbalanceados.
• Análise de Baixa Dimensionalidade: Visualização e interpretação de modelos em duas dimensões.
• Support Vector Machines (SVM): Exploração do modelo SVC e sua capacidade de lidar com não linearidade nos dados.
• Dummy Classifiers e Árvores de Decisão: Comparação entre modelos simples e complexos, e visualização das decisões de um estimador.