Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/ledsouza/machine-learning-semisupervisionado

Este projeto utiliza algoritmos de aprendizado de máquina semi-supervisionado para classificar a qualidade do leite como alta, média ou baixa.
https://github.com/ledsouza/machine-learning-semisupervisionado

data-science joblib machine-learning machine-learning-algorithms pandas python scikit-learn

Last synced: about 17 hours ago
JSON representation

Este projeto utiliza algoritmos de aprendizado de máquina semi-supervisionado para classificar a qualidade do leite como alta, média ou baixa.

Awesome Lists containing this project

README 

        
## Classificação de Qualidade do Leite com Aprendizado Semi-Supervisionado



![Static Badge](https://img.shields.io/badge/Status-Finalizado-green)



## Descrição



Este 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.



## Tecnologias Utilizadas



- Python

- Pandas

- Scikit-learn

- joblib



## Dicionário de Dados



| Coluna | Descrição | Tipo de Dado |

|---|---|---|

| pH | Nível de acidez ou alcalinidade do leite | float64 |

| Temperatura | Temperatura do leite em graus Celsius | int64 |

| Sabor | Indicador binário de qualidade do sabor (1 para alta, 0 para baixa) | int64 |

| Odor | Indicador binário de qualidade do odor (1 para alta, 0 para baixa) | int64 |

| Gordura | Indicador binário de qualidade da gordura (1 para alta, 0 para baixa) | int64 |

| Turbidez | Indicador binário de qualidade da turbidez (1 para alta, 0 para baixa) | int64 |

| Cor | Valor numérico representando a tonalidade da cor do leite | int64 |

| Qualidade | Classificação da qualidade do leite ("alta", "média", "baixa") | object |



## Descrição Detalhada do Projeto



### Contexto



O 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.



### Pré-processamento de Dados



- **Normalização:** Os dados numéricos foram normalizados utilizando o `MinMaxScaler` do Scikit-learn.

- **Tratamento de Rótulos:** A variável alvo "Qualidade" foi codificada numericamente usando o `LabelEncoder`.

- **Dados Não Rotulados:** Para os algoritmos semi-supervisionados, os dados não rotulados foram representados pelo valor -1.



### Modelagem



- **Modelo Base (Supervisionado):** Um modelo base foi treinado utilizando o algoritmo SVM (`SVC`) com kernel linear, apenas com os dados rotulados.

- **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.

- **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.



### Avaliação do Modelo



O 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.



### Resultados



Os resultados mostraram que o modelo Label Propagation obteve o melhor desempenho, superando o modelo SVM supervisionado e o modelo Self-Training.



### Salvando e Carregando o Modelo



O 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.