Trabalhos relativos à disciplina Introdução ao Aprendizado de Máquina (EEL891) - UFRJ
Este repositório contém dois trabalhos diferentes relacionados à análise de dados e modelos preditivos. Cada trabalho possui sua própria descrição e conjunto de arquivos. Abaixo, você encontrará uma breve introdução a cada um dos trabalhos.
O trabalho de análise de crédito consiste em construir modelos preditivos para prever o desfecho de contratos de crédito, ou seja, determinar se um cliente pagará sua dívida ou entrará em inadimplência. O conjunto de dados fornecido contém 20.000 amostras de solicitações de crédito, incluindo informações do solicitante, dados da solicitação e o desfecho do contrato.
conjunto_de_treinamento.csv: dados históricos fornecidos para treinamento dos modelos preditivos.conjunto_de_teste.csv: dados históricos para verificar e comparar o desempenho dos modelos construídos.exemplo_arquivo_respostas.csv: exemplo de arquivo de submissão com as previsões dos modelos para o conjunto de teste.dicionario_de_dados.xlsx: descrição dos campos presentes nos arquivos CSV.
O trabalho de estimativa de preços de imóveis tem como objetivo construir modelos preditivos para estimar o preço de venda de imóveis residenciais. O conjunto de dados contém informações sobre 6.683 imóveis, coletados a partir de ofertas de venda publicadas em um site especializado. O conjunto de treinamento possui 4.683 imóveis com 20 características e seus preços de venda. O conjunto de teste contém 2.000 imóveis com apenas as características, cabendo aos competidores estimar os preços.
conjunto_de_treinamento.csv: dados de treinamento com as características dos imóveis e seus preços de venda.conjunto_de_teste.csv: dados de teste com apenas as características dos imóveis.exemplo_arquivo_respostas.csv: exemplo de arquivo para submissão das respostas com as estimativas de preços dos imóveis.
Para cada trabalho, siga as instruções abaixo:
- Baixe os arquivos de dados do projeto.
- Realize o pré-processamento adequado dos dados.
- Visualize e analise os atributos relevantes.
- Escolha e teste modelos preditivos.
- Avalie o desempenho dos modelos utilizando técnicas de validação.
- Ajuste os hiperparâmetros e variáveis para melhorar a performance.
- Treine o modelo final e faça a submissão das previsões.
Cada trabalho requer a escrita de um relatório descrevendo todas as etapas do trabalho, desde o pré-processamento dos dados até os resultados alcançados. Os relatórios devem ser enviados por e-mail para o professor juntamente com o código-fonte utilizado.