Data-exploration-and-enrichment-for-supervised-classification/Read_me_file.txt at main · soraiasilva13/Data-exploration-and-enrichment-for-supervised-classification · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
                          Data exploration and enrichment for supervised learning

 A análise exploratória de dados e a aplicação de modelos de 'supervised learning' de classificação desempenham um papel crucial no campo da ciência de dados, permitindo a extração de insights valiosos e a tomada de decisões baseadas em conjuntos de dados complexos.
  Neste trabalho, ambicionamos realizar uma análise aprofundada dos dados fornecidos, referentes a um dataset da doença carcinoma hepatocelular, com o propósito de classificá-los mediante a utilização dos modelos de ‘supervised learning’.
  Os principais passos a seguir para o desenvolvimento deste trabalho são: exploração, pré-processamento, modelação e avaliação de dados e interpretação dos resultados.


--- Algoritmos usados no trabalho para a criação de diversas machine learning ----
- Decision tree
- K-NN

--- Requisitos ---

 > Recomenda-se a instalação do Anaconda para ter acesso às diversas bibliotecas usadas no trabalho (Numpy, Pandas, Scikit-learn, Matplotlib, Seaborn)
 > Ter o dataset no diretório indicado no programa
 > Abrir o ficheiro 'EIACD_DS'  e clicar em "run all"

ou

> obter o notebook, apresentação e Read_me_file através do link do Github disponiblizado


Trabalho realizado por: Cristiana Silva (up202305464), Filipa Ferreira (up202305895) e Filipa Marinha (up202304935)
Cadeira: Elementos de Inteligência Artificial e Ciência de Dados