Machine Learning para Classificação e Agrupamento de Sementes
Aplicação de técnicas de machine learning para classificar e agrupar sementes com base em suas características morfológicas.
Visão Geral
Este projeto foi desenvolvido para a disciplina de Inteligência Artificial, na Universidade Federal de Itajubá, com o objetivo de aplicar técnicas de machine learning para classificar e agrupar sementes com base em suas características morfológicas. Utilizando o dataset "Seeds", o projeto envolveu a aplicação de algoritmos de classificação e agrupamento, para identificar padrões e relações entre as características das sementes.
O objetivo principal era explorar as técnicas de machine learning, como classificação e agrupamento, para entender melhor os dados das sementes. O projeto incluiu a análise exploratória dos dados, a aplicação de algoritmos de machine learning e a visualização dos resultados. Através deste projeto, foi possível aprender sobre a importância de pré-processamento de dados, a escolha adequada de algoritmos e a interpretação dos resultados obtidos pelos modelos de machine learning.
Objetivos
Principais Metas
- • Testar diferentes técnicas de agrupamento e classificação (KNN, K-Means, Random Florest)
- • Verificar a performance de cada algoritmo
Implementação
Extração e Limpeza de Dados
Realização de ETL com Python, Pandas e NumPy para ler, limpar e integrar os dados do dataset
Teste de Algoritmos
Aplicação de algoritmos de classificação e agrupamento (KNN, K-Means, Random Forest) para identificar padrões nos dados
Resultados
Matrizes de confusão, acurácia e outras métricas para avaliar a performance dos modelos
Tecnologias Utilizadas
- • Python - Linguagem de Programação
- • Scikit-Learn - Aplicação dos modelos de ML
- • Pandas - Manipulação e Limpeza dos dados
- • Jupyter Notebook
- • Git
Aprendizados
- Aplicação de diferentes modelos de aprendizado de máquina
- Testes e otimizações no dataset inicial para a melhor performance do agrupamento e classificação