{"id":20267443,"url":"https://github.com/ledsouza/machine-learning-semisupervisionado","last_synced_at":"2026-04-30T08:34:50.164Z","repository":{"id":247093352,"uuid":"825007897","full_name":"ledsouza/machine-learning-semisupervisionado","owner":"ledsouza","description":"Este projeto utiliza algoritmos de aprendizado de máquina semi-supervisionado para classificar a qualidade do leite como alta, média ou baixa.","archived":false,"fork":false,"pushed_at":"2024-07-06T14:13:14.000Z","size":72,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-10-10T13:39:40.113Z","etag":null,"topics":["data-science","joblib","machine-learning","machine-learning-algorithms","pandas","python","scikit-learn"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/ledsouza.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2024-07-06T14:02:51.000Z","updated_at":"2024-07-06T14:13:53.000Z","dependencies_parsed_at":"2024-07-06T15:31:42.869Z","dependency_job_id":null,"html_url":"https://github.com/ledsouza/machine-learning-semisupervisionado","commit_stats":null,"previous_names":["ledsouza/machine-learning-semisupervisionado"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/ledsouza/machine-learning-semisupervisionado","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ledsouza%2Fmachine-learning-semisupervisionado","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ledsouza%2Fmachine-learning-semisupervisionado/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ledsouza%2Fmachine-learning-semisupervisionado/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ledsouza%2Fmachine-learning-semisupervisionado/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/ledsouza","download_url":"https://codeload.github.com/ledsouza/machine-learning-semisupervisionado/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/ledsouza%2Fmachine-learning-semisupervisionado/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":32459420,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-29T22:27:22.272Z","status":"online","status_checked_at":"2026-04-30T02:00:05.929Z","response_time":57,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["data-science","joblib","machine-learning","machine-learning-algorithms","pandas","python","scikit-learn"],"created_at":"2024-11-14T12:14:47.055Z","updated_at":"2026-04-30T08:34:50.138Z","avatar_url":"https://github.com/ledsouza.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"## Classificação de Qualidade do Leite com Aprendizado Semi-Supervisionado\n\n![Static Badge](https://img.shields.io/badge/Status-Finalizado-green)\n\n## Descrição\n\nEste projeto utiliza algoritmos de aprendizado de máquina semi-supervisionado para classificar a qualidade do leite como alta, média ou baixa. O objetivo é treinar um modelo capaz de prever a qualidade de novas amostras de leite com base em suas características físico-químicas, mesmo com um conjunto limitado de dados rotulados.\n\n## Tecnologias Utilizadas\n\n- Python\n- Pandas\n- Scikit-learn\n- joblib\n\n## Dicionário de Dados\n\n| Coluna | Descrição | Tipo de Dado |\n|---|---|---|\n| pH | Nível de acidez ou alcalinidade do leite | float64 |\n| Temperatura | Temperatura do leite em graus Celsius | int64 |\n| Sabor | Indicador binário de qualidade do sabor (1 para alta, 0 para baixa) | int64 |\n| Odor | Indicador binário de qualidade do odor (1 para alta, 0 para baixa) | int64 |\n| Gordura | Indicador binário de qualidade da gordura (1 para alta, 0 para baixa) | int64 |\n| Turbidez | Indicador binário de qualidade da turbidez (1 para alta, 0 para baixa) | int64 |\n| Cor | Valor numérico representando a tonalidade da cor do leite | int64 |\n| Qualidade | Classificação da qualidade do leite (\"alta\", \"média\", \"baixa\") | object |\n\n## Descrição Detalhada do Projeto\n\n### Contexto\n\nO projeto foi desenvolvido durante um curso da Alura sobre algoritmos de machine learning semi-supervisionado. Os dados utilizados foram previamente tratados e disponibilizados para o curso.\n\n### Pré-processamento de Dados\n\n- **Normalização:** Os dados numéricos foram normalizados utilizando o `MinMaxScaler` do Scikit-learn.\n- **Tratamento de Rótulos:** A variável alvo \"Qualidade\" foi codificada numericamente usando o `LabelEncoder`.\n- **Dados Não Rotulados:** Para os algoritmos semi-supervisionados, os dados não rotulados foram representados pelo valor -1.\n\n### Modelagem\n\n- **Modelo Base (Supervisionado):** Um modelo base foi treinado utilizando o algoritmo SVM (`SVC`) com kernel linear, apenas com os dados rotulados.\n- **Self-Training:** O modelo base foi aprimorado utilizando o algoritmo Self-Training. As amostras não rotuladas foram inicialmente classificadas pelo modelo base, e aquelas com alta probabilidade de pertencer a uma classe específica foram adicionadas ao conjunto de treino com seus rótulos previstos. O modelo foi então retreinado com o novo conjunto de dados.\n- **Label Propagation:** O algoritmo Label Propagation foi aplicado aos dados rotulados e não rotulados. Este algoritmo propaga os rótulos conhecidos para os dados não rotulados com base na estrutura do grafo de similaridade entre as amostras.\n\n### Avaliação do Modelo\n\nO desempenho dos modelos foi avaliado utilizando a métrica `classification_report` do Scikit-learn, que fornece as métricas de precisão, recall e F1-score para cada classe, além da acurácia geral do modelo.\n\n### Resultados\n\nOs resultados mostraram que o modelo Label Propagation obteve o melhor desempenho, superando o modelo SVM supervisionado e o modelo Self-Training.\n\n### Salvando e Carregando o Modelo\n\nO modelo final (Label Propagation) e o `MinMaxScaler` foram salvos em arquivos pickle utilizando a biblioteca `joblib`. O código para carregar o modelo e o scaler também é fornecido, permitindo a utilização do modelo treinado para classificar novos dados.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fledsouza%2Fmachine-learning-semisupervisionado","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fledsouza%2Fmachine-learning-semisupervisionado","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fledsouza%2Fmachine-learning-semisupervisionado/lists"}