Classificação e Agrupamento de Dados

Trabalho desenvolvido para a disciplina de Inteligência Artificial da graduação, com foco em técnicas de aprendizado supervisionado e não supervisionado utilizando a biblioteca scikit-learn. O projeto teve como objetivo aplicar e comparar técnicas de classificação e agrupamento utilizando o dataset Zoo, da UCI Machine Learning Repository. O conjunto de dados possui 101 animais, 16 atributos e 7 classes distintas. Para analisar o impacto da remoção de características nos modelos de aprendizado de máquina, foi criada uma versão modificada do dataset sem os atributos hair e feathers. Na etapa de classificação, foi utilizado o algoritmo Random Forest, avaliado por meio do relatório de classificação e da matriz de confusão. Para o agrupamento, foi aplicado o algoritmo K-Means, utilizando o Silhouette Score como métrica de avaliação. O projeto foi desenvolvido com as bibliotecas pandas, NumPy, Matplotlib, Seaborn, scikit-learn e ucimlrepo.