Árvores de decisão são modelos estatísticos que utilizam treinamento supervisionado para realizar a classificação ou previsão de dados. O objetivo é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas a partir dos recursos de dados.

Estes modelos utilizam a estratégia de dividir para conquistar: um problema complexo é decomposto em sub-problemas mais simples e recursivamente esta técnica é aplicada a cada sub-problema. As árvores de decisão estão entre os mais populares algoritmos de inferência e tem sido aplicado em várias áreas como:

• Diagnóstico médico;
• Risco de crédito
• Perfil de clientes
• Classificação e predição diversos problemas de negócios

Através das árvores de decisão é possível extrair regras do tipo “se-então” que são facilmente compreendidas.

Esse projeto foi desenvolvido como demonstração prática do algoritmo utilizado no Bootcamp DiversiData Tech PAN, IGIT Data Science.

Linguagem de programação:
Python 3.9

Bibliotecas utilizadas:

1. graphviz - Utilizada para criação e rendenização de gráficos na linguagem DOT;
2. imblearn - Utilizada para tratar dados desbalanceados;
3. matplotlib - Responsável pela criação de representações gráficas;
4. os - Responsável por realizar diversas interfaces de sistema operacional;
5. pandas - Utilizada para realizar manipulação e análise de dados em dataframes e series;
6. sklearn - Utilizada para criação de modelos de Machine Learning;

IDE:

Para esse projeto, optei por utilizar o aplicativo web Jupyter Notebook com Colab Google:
Jupyter Notebook
Colab Google

Utilizamos o dataset diabets disponibilizado em:
Dataset diabets