Ir para o conteúdo

Classificação com Árvore de Decisão

Python Scikit-learn Pandas Jupyter

Repositório

Visão Geral

Aplicação do algoritmo de Árvore de Decisão para classificação supervisionada, com avaliação de desempenho e comparação com Naive Bayes.

Resultados

Métrica Valor
Acurácia — Treino 100%
Acurácia — Teste 94%
Comparativo Árvore superou Naive Bayes neste dataset

Fluxo do Projeto

  • Leitura das bases de treino balanceado e teste
  • Separação entre atributos (X) e variável alvo (y)
  • DecisionTreeClassifier(criterion='gini', random_state=0)
  • Base de treino balanceada para evitar viés de classe
  • Acurácia em treino e teste
  • classification_report e matriz de confusão
  • Ranking das variáveis mais relevantes
  • Novo modelo treinado apenas com as 2 principais features
  • Comparativo de desempenho
  • Árvore de Decisão vs. Naive Bayes
  • Análise de adequação ao tipo de dado

Implementação

from sklearn.tree import DecisionTreeClassifier, plot_tree
from sklearn.metrics import accuracy_score, classification_report
import matplotlib.pyplot as plt

# Treinamento
clf = DecisionTreeClassifier(criterion='gini', random_state=0)
clf.fit(X_train, y_train)

# Avaliação
print(f"Acurácia treino : {accuracy_score(y_train, clf.predict(X_train)):.2%}")
print(f"Acurácia teste  : {accuracy_score(y_test,  clf.predict(X_test)):.2%}")

# Visualização da árvore
plt.figure(figsize=(20, 10))
plot_tree(clf, filled=True, feature_names=X_train.columns)
plt.show()

# Feature importance
importances = pd.Series(clf.feature_importances_, index=X_train.columns)
importances.sort_values().plot(kind='barh')

Stack Utilizada

  • Python 3.x · Pandas · Scikit-learn
  • Matplotlib — visualização da árvore e feature importance
  • Jupyter Notebook — ambiente de experimentação

Evoluções Futuras

  • [ ] Tuning de hiperparâmetros com GridSearchCV
  • [ ] Comparativo com Random Forest e Gradient Boosting
  • [ ] Deploy do modelo com FastAPI