dotlincu / confusion-matrix-metrics-comparison

Este notebook abrange todas as etapas essenciais, desde o pré-processamento e análise exploratória até a implementação e avaliação de modelos de aprendizado de máquina voltados para doenças cardíacas.

Projeto de Aprendizado de Máquina em Doenças Cardíacas

Este repositório contém um notebook Jupyter abordando o aprendizado a partir de dados relacionados a doenças cardíacas. O projeto é composto pelos seguintes tópicos:

Tópicos Abordados

1. Aprendizagem a partir de Dados de Doenças do Coração:

   • Introdução ao escopo do notebook.

2. Pré-processamento: Eliminação de Dados Duplicados:

   • Discussão sobre a eliminação de dados duplicados.

3. Normalização de Alguns Atributos:

   • Explicação da normalização de atributos fora de escala.

4. Visualizações Gráficas:

   • Utilização de BoxPlot e gráfico de dispersão para explorar a distribuição dos dados.

5. Verificação com BoxPlot e Análise de Covariância:

   • Utilização de visualizações para examinar a relação entre atributos descritivos e preditivos.
   • Exploração da covariância e correlação entre variáveis.

6. Análise de Overfitting e Underfitting:

   • Avaliação de overfitting e underfitting para características específicas.

7. Avaliação do Modelo com K-Fold:

   • Utilização do método K-Fold para avaliar o desempenho do modelo.

8. Matriz de Confusão:

   • Cálculo de matrizes de confusão para diferentes métricas de distância.

9. Naive Bayes:

   • Introdução e possível implementação do algoritmo Naive Bayes.

10. Perceptron Simples e MLP:

• Exploração de redes neurais Perceptron Simples e MLP.

Como Executar o Notebook

Certifique-se de ter o ambiente Python configurado com as dependências necessárias. Abra o notebook em um ambiente Jupyter com as seguintes instruções:

pip install -r requirements.txt

Abra o notebook em um ambiente Jupyter:

jupyter notebook nome_do_notebook.ipynb

Execute as células do notebook uma a uma para replicar a análise.

Membros do Projeto

• Lincoln Rebouças
• Ibsiany Dias
• Rafael Teixeira

Contribuições

Contribuições são bem-vindas! Sinta-se à vontade para abrir issues ou pull requests.