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:
- graphviz - Utilizada para criação e rendenização de gráficos na linguagem DOT;
- imblearn - Utilizada para tratar dados desbalanceados;
- matplotlib - Responsável pela criação de representações gráficas;
- os - Responsável por realizar diversas interfaces de sistema operacional;
- pandas - Utilizada para realizar manipulação e análise de dados em dataframes e series;
- 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