https://github.com/msamuelsons/classificacao-pacientes-coluna

O código realiza a análise e classificação de características biomecânicas de pacientes ortopédicos. Ele carrega os dados, verifica valores faltantes e tipos, prepara os dados para modelagem, otimiza os parâmetros de uma árvore de decisão usando Grid Search, e avalia o modelo usando validação cruzada. A acurácia do modelo é então impressa.
https://github.com/msamuelsons/classificacao-pacientes-coluna

decision-tree-classifier decision-trees machine-learning mathematics sklearn

Last synced: 4 days ago
JSON representation

O código realiza a análise e classificação de características biomecânicas de pacientes ortopédicos. Ele carrega os dados, verifica valores faltantes e tipos, prepara os dados para modelagem, otimiza os parâmetros de uma árvore de decisão usando Grid Search, e avalia o modelo usando validação cruzada. A acurácia do modelo é então impressa.

• Host: GitHub
• URL: https://github.com/msamuelsons/classificacao-pacientes-coluna
• Owner: Msamuelsons
• Created: 2023-08-23T00:18:14.000Z (over 1 year ago)
• Default Branch: main
• Last Pushed: 2023-08-23T00:43:07.000Z (over 1 year ago)
• Last Synced: 2024-11-21T07:12:12.218Z (2 months ago)
• Topics: decision-tree-classifier, decision-trees, machine-learning, mathematics, sklearn
• Language: Jupyter Notebook
• Homepage:
• Size: 62.5 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Biomechanical Features of Orthopedic Patients

Este projeto utiliza um classificador de árvore de decisão para analisar e classificar características biomecânicas de pacientes ortopédicos.

## Requisitos

- Python 3.x

- pandas

- scikit-learn

- numpy

## Como Usar

1. **Preparar os Dados**: Certifique-se de ter o arquivo CSV contendo os dados dos pacientes ortopédicos. O arquivo deve estar no caminho especificado no código (`/content/column_2C_weka.csv`).

2. **Verificar Valores Faltantes e Tipagem**: O código começa verificando valores faltantes e a tipagem dos dados.

3. **Preparar Variáveis de Entrada e Saída**: O código separa os dados em preditores (X) e alvo (y), e codifica a variável alvo.

4. **Descobrir os Melhores Parâmetros**: Utiliza o Grid Search para encontrar os melhores parâmetros para o classificador de árvore de decisão.

5. **Treinar e Avaliar o Modelo**: Utiliza validação cruzada para treinar e avaliar o modelo de árvore de decisão.

## Código

O código principal está contido no arquivo `Biomechanical features of orthopedic patients.ipynb`. Você pode executá-lo em um ambiente Jupyter Notebook ou Google Colab.

## Resultados

O código imprimirá os melhores parâmetros encontrados pelo Grid Search, bem como a acurácia do modelo.

## Contribuições

Contribuições e feedback são bem-vindos!