Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/albertofaraujo/ml_ocupacao_casa
Criar um modelo de Rede Neural Artificial, capaz de prever o valor da mediana de ocupação das casas, utilizando dados locais.
https://github.com/albertofaraujo/ml_ocupacao_casa
data-science eda machine-learning redes-neurais-artificiais rstudio
Last synced: about 1 month ago
JSON representation
Criar um modelo de Rede Neural Artificial, capaz de prever o valor da mediana de ocupação das casas, utilizando dados locais.
- Host: GitHub
- URL: https://github.com/albertofaraujo/ml_ocupacao_casa
- Owner: AlbertoFAraujo
- Created: 2024-07-19T03:54:50.000Z (6 months ago)
- Default Branch: main
- Last Pushed: 2024-07-19T04:00:06.000Z (6 months ago)
- Last Synced: 2024-07-19T12:11:13.496Z (6 months ago)
- Topics: data-science, eda, machine-learning, redes-neurais-artificiais, rstudio
- Language: Jupyter Notebook
- Homepage:
- Size: 302 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
### Tecnologias utilizadas:
- **RStudio:** Ambiente integrado para desenvolvimento em R, oferecendo ferramentas para escrita, execução e depuração de código.
- **Ggplot2:** Pacote para criação de visualizações de dados elegantes e flexíveis em R.
- **Tidyverse:** Conjunto de pacotes para manipulação de dados, visualização e modelagem em R, seguindo o paradigma "tidy data".
- **Corrplot:** Pacote em R que fornece ferramentas para visualização de matrizes de correlação. Permite criar gráficos de correlação de maneira simples e intuitiva, utilizando diferentes métodos de visualização, como círculos, elipses, quadrados e outras formas, facilitando a análise e interpretação das correlações entre variáveis.
# Redes Neurais
Redes neurais são modelos computacionais inspirados no cérebro humano, usados em aprendizado de máquina e inteligência artificial. Elas consistem em camadas de neurônios conectados, onde cada conexão tem um peso ajustável. A camada de entrada recebe dados, camadas ocultas processam esses dados e a camada de saída produz o resultado final. Cada neurônio aplica uma função de ativação para transformar suas entradas em saídas. Redes neurais são particularmente eficazes em tarefas como reconhecimento de imagem, processamento de linguagem natural e previsão de séries temporais, graças à sua capacidade de aprender e modelar relacionamentos complexos nos dados.
**Objetivo:** Seu modelo deve prever a MEDV (Valor da Mediana de ocupação das casas). Utilize um modelo de rede neural!
**Dicionário de dados:**
- CRIM - taxa de criminalidade per capita por cidade
- ZN - proporção de terrenos residenciais zoneados para lotes acima de 25.000 pés quadrados
- INDUS - proporção de acres de negócios não varejistas por cidade
- CHAS - variável fictícia do Rio Charles (1 se o lote faz divisa com o rio; 0 caso contrário)
- NOX - concentração de óxidos de nitrogênio (partes por 10 milhões)
- RM - número médio de quartos por habitação
- AGE - proporção de unidades ocupadas por proprietários construídas antes de 1940
- DIS - distâncias ponderadas para cinco centros de emprego de Boston
- RAD - índice de acessibilidade a rodovias radiais
- TAX - taxa de imposto sobre propriedade de valor total por 10.000
- PTRATIO - relação aluno-professor por cidade
- B - 1000(Bk - 0,63)^2 onde Bk é a proporção de negros por cidade
- LSTAT - % de população de status socioeconômico inferior
- MEDV - valor mediano das casas ocupadas por proprietários em milhares de dólares
>**Fonte de Dados e dicionário:** https://archive.ics.uci.edu/ml/datasets/Student+Performance
>**Referências:** Formação Cientista de Dados (https://www.datascienceacademy.com.br/)