Este repositório contém o Jupyter Notebook desenvolvido durante um curso sobre classificação, validação de modelos e métricas de avaliação. O notebook inclui uma variedade de técnicas e métodos utilizados para a construção e avaliação de modelos de classificação.

• Preparação de Dados: Código para carregar e preparar os dados para modelagem (dados, x, y).
• Manipulação de Dados: Técnicas para balanceamento de classes utilizando métodos de oversampling (oversample) e undersampling (undersample).
• Modelagem: Definição e treinamento do modelo de classificação (modelo).
• Validação Cruzada: Implementação de validação cruzada para avaliação de modelos (cv_resultados, kf, skf).
• Métricas de Avaliação: Cálculo da média e desvio padrão das métricas de desempenho (media, desvio_padrao), e uso da matriz de confusão (matriz_confusao).
• Visualizações: Geração de gráficos para visualização dos resultados (visualizacao).
• Funções Auxiliares: Função para cálculo de intervalo de confiança (intervalo_conf).

Para executar este notebook, é recomendado utilizar um ambiente Python com suporte para Jupyter. É necessário instalar todas as dependências listadas abaixo.

• pandas
• sklearn.tree.DecisionTreeClassifier
• sklearn.model_selection
• sklearn.metrics
• imblearn.over_sampling.SMOTE
• imblearn.under_sampling.NearMiss
• imblearn.pipeline.Pipeline

• Lucas Knust