https://github.com/ledsouza/machine-learning-students-dropout

Este projeto utiliza aprendizado de máquina supervisionado para prever a evasão e o sucesso acadêmico de estudantes universitários com base em dados coletados no momento da matrícula.
https://github.com/ledsouza/machine-learning-students-dropout

data-science machine-learning machine-learning-algorithms python random-forest

Last synced: 3 months ago
JSON representation

Este projeto utiliza aprendizado de máquina supervisionado para prever a evasão e o sucesso acadêmico de estudantes universitários com base em dados coletados no momento da matrícula.

• Host: GitHub
• URL: https://github.com/ledsouza/machine-learning-students-dropout
• Owner: ledsouza
• Created: 2024-05-12T20:01:50.000Z (about 2 years ago)
• Default Branch: main
• Last Pushed: 2024-05-18T20:30:55.000Z (about 2 years ago)
• Last Synced: 2025-01-14T05:22:11.084Z (over 1 year ago)
• Topics: data-science, machine-learning, machine-learning-algorithms, python, random-forest
• Language: Jupyter Notebook
• Homepage:
• Size: 320 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# Previsão de Evasão e Sucesso Acadêmico em Instituições de Ensino Superior com Random Forest

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

## Descrição

Este projeto utiliza aprendizado de máquina supervisionado para prever a evasão e o sucesso acadêmico de estudantes universitários com base em dados coletados no momento da matrícula. O modelo Random Forest Classifier é empregado para lidar com o desequilíbrio de classes e fornecer insights valiosos para intervenções direcionadas.

## Tecnologias Utilizadas

* **Linguagem de Programação:** Python

* **Bibliotecas de Aprendizado de Máquina:**

    * Scikit-learn (RandomForestClassifier, métricas de avaliação, etc.)

    * Imbalanced-learn (técnica de reamostragem SMOTE)

* **Bibliotecas de Manipulação de Dados:**

    * Pandas

* **Visualização de Dados:**

    * Matplotlib

    * Seaborn

    * Plotly

## Detalhes

### 1. Obtenção e Análise Exploratória dos dados

* **Fontes de Dados:** Os dados utilizados foram obtidos a partir do [UCI Machine Learning Repository](https://archive.ics.uci.edu/dataset/697/predict+students+dropout+and+academic+success)

* **Análise:**

    * Desenvolvida visualização gráfica de características relevantes dos dados.

    * Identificação dos atributos mais importantes para a previsão.

    * Análise do impacto de diferentes fatores na evasão e no sucesso acadêmico.

    * Analisada a distribuição da variável alvo e como ela poderia influenciar o modelo.

### 2. Implementação de OneHotEncoder



### 3. Modelagem Preditiva

* **Algoritmo:** Random Forest Classifier

    * Adequado para lidar com desequilíbrio de classes.

    * Adequado para lidar com multiclasses.

    * Robusto a outliers e ruído nos dados.

    * Interpretabilidade razoável.

* **Validação Cruzada:**

    * Garante a generalização do modelo para novos dados.

    * Permite ajuste de hiperparâmetros.

* **Métricas de Avaliação:**

    * Acurácia (com cautela devido ao desequilíbrio).

    * Precisão, recall, F1-score (para cada classe).

* **Técnicas de Reamostragem:**

    * Oversampling (SMOTE) para lidar com o desequilíbrio de classes.



### Observações

* **Desequilíbrio de Classes:** É crucial abordar o desequilíbrio de classes para evitar que o modelo seja enviesado em favor da classe majoritária.

* **Interpretabilidade:** O Random Forest oferece alguma interpretabilidade, mas técnicas adicionais podem ser exploradas para entender melhor as decisões do modelo.

Este projeto tem o potencial de fornecer informações valiosas para as instituições de ensino superior, permitindo que elas identifiquem estudantes em risco de evasão ou com dificuldades acadêmicas e implementem intervenções direcionadas para melhorar seus resultados.