{"id":21438976,"url":"https://github.com/victorlcastro-dsa/coping_struggles_prediction","last_synced_at":"2025-04-19T18:44:37.348Z","repository":{"id":263018958,"uuid":"889090940","full_name":"victorlcastro-dsa/coping_struggles_prediction","owner":"victorlcastro-dsa","description":"Repositório para prever dificuldades de enfrentamento com base em dados de saúde mental. Inclui análise, visualização e modelagem usando aprendizado de máquina. Resultados alcançam 86.58% de acurácia com um Voting Classifier.","archived":false,"fork":false,"pushed_at":"2024-11-18T23:30:17.000Z","size":10049,"stargazers_count":0,"open_issues_count":0,"forks_count":3,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-03-29T11:51:40.292Z","etag":null,"topics":["classification-algorithm","data-analysis","data-science","data-visualization","machine-learning-algorithms","problem-solving","project-based-learning","python"],"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/victorlcastro-dsa.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":"2024-11-15T15:38:06.000Z","updated_at":"2024-11-19T03:26:16.000Z","dependencies_parsed_at":"2024-11-15T16:48:02.336Z","dependency_job_id":null,"html_url":"https://github.com/victorlcastro-dsa/coping_struggles_prediction","commit_stats":null,"previous_names":["victorlcastro-dsa/coping_struggles_prediction"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/victorlcastro-dsa%2Fcoping_struggles_prediction","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/victorlcastro-dsa%2Fcoping_struggles_prediction/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/victorlcastro-dsa%2Fcoping_struggles_prediction/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/victorlcastro-dsa%2Fcoping_struggles_prediction/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/victorlcastro-dsa","download_url":"https://codeload.github.com/victorlcastro-dsa/coping_struggles_prediction/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":249767970,"owners_count":21322864,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","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":["classification-algorithm","data-analysis","data-science","data-visualization","machine-learning-algorithms","problem-solving","project-based-learning","python"],"created_at":"2024-11-23T00:38:44.322Z","updated_at":"2025-04-19T18:44:37.302Z","avatar_url":"https://github.com/victorlcastro-dsa.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"\n---\n\n# Coping Struggles Prediction\n\nEste projeto tem como objetivo prever dificuldades de enfrentamento com base em dados de saúde mental. Utilizamos um conjunto de dados coletados através de um formulário e aplicamos técnicas de aprendizado de máquina para criar um modelo preditivo.\n\nLink para o notebook: [Coping Struggles Prediction](notebook/Coping_Struggles_ML.ipynb)\n\n## Estrutura do Projeto\n\n- `data/`: Contém os dados utilizados no projeto.\n  - `img/`: Contém imagens relacionadas ao projeto.\n  - `Mental Health Dataset.csv`: Conjunto de dados principal.\n  - `Respostas ao formulário.csv`: Respostas coletadas do formulário.\n- `notebook/`: Contém notebooks Jupyter para análise e modelagem.\n  - `Coping_Struggles_ML.ipynb`: Notebook principal com a análise e modelagem.\n  - `final_model.joblib`: Modelo final treinado.\n  - `requirements.txt`: Dependências do projeto.\n\n## Pré-requisitos\n\nCertifique-se de ter o Python 3.11.9 instalado. Você pode especificar a versão do Python usando o arquivo `.python-version`.\n\n## Instalação\n\n1. Clone o repositório:\n    ```sh\n    git clone https://github.com/victorlcastro-dsa/coping_struggles_prediction.git\n    cd coping_struggles_prediction\n    ```\n\n2. Crie um ambiente virtual e ative-o:\n    ```sh\n    python -m venv venv\n    source venv/bin/activate  # No Windows use `venv\\Scripts\\activate`\n    ```\n\n3. Instale as dependências:\n    ```sh\n    pip install -r notebook/requirements.txt\n    ```\n\n## Uso\n\n1. Navegue até o diretório `notebook` e inicie o Jupyter Notebook:\n    ```sh\n    cd notebook\n    jupyter notebook\n    ```\n\n2. Abra o notebook `Coping_Struggles_ML.ipynb` e execute as células para reproduzir a análise e a modelagem.\n\n## Análise e Modelagem\n\n### Importação das Bibliotecas\nAs bibliotecas necessárias incluem:\n- `pandas`\n- `numpy`\n- `matplotlib`\n- `seaborn`\n- `plotly`\n- `scikit-learn`\n\n### Carregamento dos Dados\nOs dados são carregados do arquivo `Mental Health Dataset.csv` e armazenados em um DataFrame do pandas.\n\n### Estudo dos Atributos\nAnálise dos atributos do dataset para entender suas características e identificar potenciais preditores.\n\n### Visualização dos Dados\nGráficos de barras e mapas de calor são utilizados para visualizar a distribuição dos dados e correlações entre variáveis.\n\n### Engenharia de Atributos\nTransformações como One-Hot Encoding e Label Encoding são realizadas para preparar os dados para a modelagem.\n\n### Seleção de Atributos\nTécnicas de seleção de features são usadas para escolher os atributos mais relevantes.\n\n### Experimentação Inicial de Modelos\nTestes com diferentes modelos de aprendizado de máquina, incluindo:\n- Regressão Logística\n- K-Nearest Neighbors\n- Random Forest\n- Gradient Boosting\n\n### Ajuste Fino dos Hiperparâmetros\nGridSearchCV é utilizado para ajustar os hiperparâmetros do modelo Random Forest.\n\n### Métodos de Ensemble\nCombinação de modelos utilizando Voting Classifier para criar um modelo mais robusto.\n\n### Avaliação do Modelo\nDesempenho do modelo final avaliado com métricas como precisão, recall, F1-score e acurácia.\n\n## Resultados\nO modelo final, um Voting Classifier combinando Random Forest e AdaBoost, alcançou uma acurácia de 86.58% no conjunto de testes.\n\n## Contribuição\nContribuições são bem-vindas! Abra issues e pull requests para colaborar.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fvictorlcastro-dsa%2Fcoping_struggles_prediction","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fvictorlcastro-dsa%2Fcoping_struggles_prediction","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fvictorlcastro-dsa%2Fcoping_struggles_prediction/lists"}