<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Jefferson Veríssimo on Medium]]></title>
        <description><![CDATA[Stories by Jefferson Veríssimo on Medium]]></description>
        <link>https://medium.com/@jeffersonverissimo?source=rss-ec93f20c3384------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*PkKGI_ke6ahgQoaplYSbNg.jpeg</url>
            <title>Stories by Jefferson Veríssimo on Medium</title>
            <link>https://medium.com/@jeffersonverissimo?source=rss-ec93f20c3384------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sun, 22 Nov 2026 16:27:12 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@jeffersonverissimo/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Uso de Machine Learning na Detecção de Fraudes em Cartões de Crédito]]></title>
            <link>https://jeffersonverissimo.medium.com/uso-de-machine-learning-na-detec%C3%A7%C3%A3o-de-fraudes-em-cart%C3%B5es-de-cr%C3%A9dito-f6db435f6a83?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/f6db435f6a83</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[inteligencia-artificial]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[credit-card-fraud]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Fri, 25 Dec 2020 19:44:55 GMT</pubDate>
            <atom:updated>2021-06-06T02:51:15.714Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ccYMn44wiVK54yIdJx4PoQ.png" /></figure><p>Diariamente, diversas operadoras de cartões de créditos captam milhares de clientes em todo o mundo, e o número de transações eletrônicas tem aumentado significativamente nos últimos anos. Para se ter uma ideia, de acordo com o Banco Central, apenas em 2017, as transações com cartões de crédito somaram cerca de R$ 674 bilhões, e o uso dessa forma de pagamento cresce a taxas substanciais ano após ano (VIEIRA, 2019).</p><p>A ideia dos cartões de créditos nasceu na década de 1920 nos Estados Unidos da América, quando algumas empresas privadas, especialmente do ramo hoteleiro e do petróleo, começaram a emitir cartões para possibilitar que seus clientes comprassem a crédito nos próprios estabelecimentos. Mais tarde, em 1950, Frank MacNamara aprimorou a ideia e lançou o Diners Club, focado na aceitação em massa e menores taxas.</p><p>Hoje, para muitas pessoas, é difícil imaginar a vida sem utilizar cartões, seja de crédito ou débito, afinal, tornou-se hábito realizar quase todos os tipos pagamentos com essa tecnologia, fisicamente ou virtualmente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*GltNrSK09Ml6LsMmsszGVg.png" /><figcaption>Designed by <a href="https://br.freepik.com/fotos-vetores-gratis/banco-de-imagens">Freepik</a></figcaption></figure><p>Existem diversos motivos para o constante crescimento no uso de cartões: como forma de pagamento, apresentam praticidade e, em algumas condições, o crédito é instantâneo e há o melhor gerenciamento dos gastos, já que são concentrados na fatura, além da grande aceitação em vários estabelecimentos. Por outro lado, para quem usa o serviço para recebimento de pagamentos, obtém vantagem em relação ao risco de inadimplência, que é considerado bem menor, destacando também a facilidade no controle de vendas, além de que as pessoas estão cada vez mais dispostas a usarem esse meio de pagamento.</p><p>No entanto, o requisito fundamental para o uso dos cartões de crédito é a garantia de segurança nas transações eletrônicas. O fato desses sistemas estarem diretamente ligados a dados confidenciais dos clientes, implica no aumento de transações fraudulentas.</p><h4><strong>Tipos de Fraudes</strong></h4><p>Dentre os diversos tipos de fraudes ocorridas no mercado, as mais comuns são (OLIVEIRA, 2016):</p><ul><li><strong>Invasão de Conta</strong>: neste tipo de fraude, os criminosos obtêm informações pessoais de clientes, como número de contas e senhas, com o intuito de solicitar pagamentos, empréstimos e outros serviços bancários que estejam disponíveis;</li><li><strong>Roubo de identidade: </strong>neste caso, de posse de informações pessoais, os fraudadores abrem contas novas para tirarem proveito financeiro. Basicamente, é o uso ilegal de informações de terceiros para realizar uma solicitação fraudulenta;</li><li><strong>Cartão perdido ou roubado:</strong> aqui, os fraudadores tomam posse de um cartão perdido por seu verdadeiro titular, ou roubado pelo próprio fraudador, e realizam transações com ele;</li><li><strong>Extravio:</strong> ocorre quando cartões e suas respectivas senhas são roubados no processo de envio do emissor do cartão para o portador/cliente;</li><li><strong>Falsificação de cartão:</strong> falsificação, ou clonagem, de um cartão acontece quando um cartão é montado, sem a autorização do emissor, com os mesmos dados de um outro cartão que, por sua vez, foi emitido legitimamente.</li></ul><h4>Detecção de Fraudes</h4><p>De acordo com o Serasa, apenas no ano de 2019, o Brasil sofreu uma tentativa de fraude a cada 6,5 segundos em ambientes online. E no ano de 2020, essas tentativas aumentaram devido ao crescente número de compras no comércio eletrônico durante a Pandemia da COVID-19.</p><p>Para tentar contornar e evitar esses problemas, as empresas de cartões de crédito têm investido cada vez mais em tecnologias que possam detectar essas possíveis fraudes e garantir a segurança dos dados de seus clientes.</p><blockquote>“Um dos maiores desafios da indústria de pagamento é separar as transações legítimas dos portadores de cartão das ilegítimas, empreendidas por fraudadores, sem adicionar atrito ao processo.” — Jack Forestell, diretor de produtos da Visa.</blockquote><p>Em junho de 2019, a Visa Inc. anunciou que sua ferramenta de gerenciamento de risco ajudou os emissores a evitar a perda de um total anual estimados em US$ 25 bilhões graças ao uso de inteligência artificial (IA).</p><p>A tendência é que o investimento em tecnologias de prevenção de fraudes cresça consideravelmente nos próximos anos, e a IA será a principal protagonista desse cenário.</p><h3>Proposta deste Artigo</h3><p>A partir de dados de operações financeiras com cartões de crédito fornecidos por diversas empresas europeias, o principal objetivo deste artigo é implementar um modelo de <em>Machine Learning</em> que consiga prever quais transações são ou não fraudulentas, usando aprendizado supervisionado.</p><h3>Aquisição dos Dados</h3><p>O <em>dataset </em>utilizado no presente trabalho reúne cerca de 290 mil dados de transações financeiras realizadas em um período de dois dias, fornecidos por empresas da Europa. Como é de se esperar, o número de operações fraudulentas é muito inferior em comparação às transações normais, resultando em um conjunto de dados altamente desbalanceado.</p><p>Um detalhe interessante é que as <em>features</em> são todas numéricas, e foram descaracterizadas (por problemas relacionados à privacidade e segurança dos clientes). Assim, os nomes das colunas são representados por [V1,V2,…,V28].</p><p>De acordo com a <a href="https://www.kaggle.com/mlg-ulb/creditcardfraud">página oficial</a> onde os dados estão hospedados, o <em>dataset </em>passou por um procedimento conhecido como Análise dos Componentes Principais (<a href="https://en.wikipedia.org/wiki/Principal_component_analysis"><em>Principal Component Analysis</em> — <em>PCA</em></a>), cujo objetivo é obter uma simplificação do <em>dataset </em>através da redução da dimensão dos dados, extraindo as partes mais relevantes do conjunto de dados. No caso deste projeto, os componentes achados pela transformação da PCA são as próprias colunas [V1,V2,…,V28].</p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/Detec%C3%A7%C3%A3o_de_Fraudes_em_Cart%C3%B5es_de_Cr%C3%A9dito.ipynb"><strong>aqui</strong></a>.</blockquote><h3>Análise Exploratória</h3><p>Na maior parte dos projetos de Data Science, uma das primeiras etapas, e a que mais consume tempo, é a análise exploratória de dados.</p><p>Esta etapa nos permite extrair as principais informações do conjunto de dados, nos auxiliando a entender o comportamento dos dados e quais os passos seguintes devem ser tomados para encontrar as soluções desejadas e também implementar os modelos de <em>Machine Learning</em>.</p><p>A análise exploratória do <em>dataset</em> nos fornece algumas informações básicas importantes como o tamanho do conjunto de dados; tipos de variáveis; distribuição estatísticas; valores ausentes, entre outras.</p><p>Abaixo, é possível visualizar algumas linhas e colunas do <em>dataset</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NfHjc3_851ZHeRc4eHKbSw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/379/1*k1WxK-YREC9kjVL_EAnKiA.png" /></figure><p>A partir da visualização das primeiras cinco linhas do conjunto de dados, pode-se perceber que a variável alvo (<em>target</em>) é a coluna Class, que possui os valores <strong>0</strong> e <strong>1</strong>, onde representam <strong>transação normal</strong> e <strong>transação fraudulenta</strong>, respectivamente.</p><p>Também é possível observar que as variáveis Time e Amount tiveram seus valores originais preservados. E que as demais variáveis V1,..,V28, tiveram suas nomenclaturas modificadas pelo método PCA.</p><p>O conjunto de dados não apresenta valores ausentes ou os dados que precisem de tratamento específico no <em>dataset</em>, o que representa uma boa qualidade do conjunto de dados.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mHZTl9k5HM2f1UfQAtdVJQ.png" /><figcaption>Resumo estatístico das variáveis</figcaption></figure><p>Através do resumo estatístico mostrado acima, pode-se perceber que as variáveis transformadas pelo método PCA (<em>V1,…,V2</em>) não apresentam valores fora do comum, aparentemente. Isso também é verificado para a variável Time.</p><p>Já para a variável Amount, referente ao valor das transações (normais e fraudes), possui uma média de 88.34, apresentando o valor máximo de 25691.16.</p><p>Em geral, o número de transações financeiras fraudulentas correspondem a uma pequena fração do total de transações. No caso do <em>dataset</em> utilizado no presente projeto, essa fração corresponde à 0,17% do total, como pode ser observado através do gráfico de barras abaixo.</p><p>A princípio, esse fato pode ser prejudicial ao desempenho do modelo de <em>Machine Learning</em>, pois são classes que apresentam quantidades de dados muito discrepantes. Contudo, isso pode ser resolvido facilmente aplicando método para o balanceamento de dados, como será visto mais adiante.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/472/1*52tcBZrs3WlDknC4xSFexA.png" /><figcaption>Número de transações financeiros e suas classes</figcaption></figure><h3>Preparação dos Dados</h3><p>Após realizar a análise exploratória e extrair as principais informações do conjunto de dados, a próxima etapa é fazer a preparação e o tratamento das variáveis que irão alimentar o modelo de <em>Machine Learning</em>. O modelo preditivo a ser implementado será de Aprendizado Supervisionado.</p><p>Nesta etapa, deve-se fazer os ajustes finais dos dados. Esses ajustes envolvem a padronização das <em>features</em>, criação de novas variáveis, limpeza dos dados, separação do <em>dataset</em>, etc.</p><p>Para alimentar o modelo de <em>Machine Learning</em>, é necessário separar a variável alvo (dependente) das demais variáveis (independentes).</p><h4>Padronização dos Dados</h4><p>A variável Amount receberá uma atenção especial nesta etapa, uma vez que ela apresenta <em>outliers</em>. Assim, é fundamental realizar a padronização dessa variável. O mesmo processo será realizado para a coluna Time, por ela possuir valores numéricos diferentes dos padrões das demais variáveis. Para isso, pode-se utilizar o método <em>StandardScaler</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/674/1*LpfOB_aqZEUU4AEcIC6V-g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/186/1*CZxOXqOZYHtl0LGxRXsgog.png" /><figcaption>Resultado da padronização das variáveis Amount e Time</figcaption></figure><p>O modelo foi avaliado em duas situações, com e sem o balanceamento dos dados.</p><h3>Modelo de Machine Learning</h3><p>A etapa é relativamente mais rápida quando comparada à análise exploratória de dados, que requer um pouco mais de tempo investido para análise e tratamento dos dados. É importante ressaltar que a implementação dos modelos de <em>Machine Learning</em> são muito automatizados, sendo necessário apenas algumas linhas de código para treinar, testar e avaliar o modelo.</p><p>Neste artigo, foi implementado o modelo de <strong>Floresta Aleatória </strong>para classificar os dados e prever em quais casos há ou não fraudes não transações financeiras com cartões de crédito.</p><h4><strong>Divisão dos Dados</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/669/1*695wb0wu09r3_HKfEcgjHw.png" /></figure><p>É muito provável que ao utilizar os dados desbalanceados, a acurácia obtida seja quase 100%. É importante enfatizar que isso não significa que o modelo está tendo um bom desempenho necessariamente, pois além da acurácia não ser a forma definitiva de avaliar os modelos, pode estar ocorrendo alguns problemas. Na verdade, é provável que essa acurácia seja resultado de o modelo ter sido enviesado, pois o modelo terá se adaptado a identificar melhor apenas os dados da classe majoritária do conjunto de dados.</p><p>Para tentar contornar o problema, pode-se fazer o balanceamento dos dados e fazer o treino e teste do modelo novamente.</p><h4><strong>Balanceamento dos Dados</strong></h4><p>Quando se trata de balanceamento de dados, pode-se aplicar duas abordagens: <em>Undersampling</em> e <em>Oversampling</em>.</p><p>No primeiro caso, a técnica consiste em reduzir os exemplos da classe majoritária de forma aleatória. Já o segundo, faz réplicas dos dados da classe minoritária.</p><p>No presente projeto, aplicou-se a técnica de <em>Oversampling</em>, usando algoritmo <strong><em>Smote</em></strong> para esta finalidade.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/631/1*nCRO-7QfjoLv42UtMEsYGw.png" /></figure><p>Abaixo, podemos observar o gráfico com as classes balanceadas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/433/1*Cv2Kg3Ea3mcGKSyqNrG-0Q.png" /></figure><h4><strong>Implementação do Modelo</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1023/1*HvCg3TchUFI4RkAku0wqlw.png" /></figure><h4>Avaliação do Modelo</h4><p>Acurácia: 0.9995</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/546/1*k8X7Zd5UlFc449RQJwwB9w.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/311/1*nvdiMetwYpnvPZ8trhRTaw.png" /></figure><p>Como pode-se observar nos resultados, apesar de a acurácia do modelo ter sido próxima de 100%, outros parâmetros mais importantes e decisivos para a avaliação do desempenho do modelo não foram tão bons.</p><p>Por exemplo, os resultados mostraram para a classe 1, que representa os casos em que as transações financeiras são fraudulentas, o modelo não apresentou um desempenho tão bom quando comparado à situações onde as transações eram normais. As métricas analisadas foram:</p><ul><li><strong>Precision</strong> — Precisão de previsões positivas.</li><li><strong>Recall</strong> — Fração de positivos que foram identificados corretamente.</li><li><strong>f1-score</strong> — representa a média harmônica entre <em>precision</em> e <em>recall</em>, sendo 0 o pior valor e 1 o melhor.</li></ul><p>No geral, o modelo foi capaz de identificar de maneira satisfatória as transações que, de fato, eram fraudulentas, um aspecto muito importante para este tipo de problema, afinal, o objetivo é justamente conseguir identificar as fraudes.</p><h3>Conclusão</h3><p>Como discutido anteriormente, o modelo realmente pode ter sido enviesado pela classe majoritária com os dados desbalanceados e, foi possível contornar isso usando técnicas apropriadas.</p><p>O modelo final alcançou uma <strong>acurácia de 99,95%</strong>, combinado aos bons resultados das demais métricas. Em particular, para o Random Forest, o parâmetro <a href="https://towardsdatascience.com/what-is-out-of-bag-oob-score-in-random-forest-a7fa23d710"><strong><em>Out-of-Bag</em></strong></a> é bastante relevante, e o modelo também apresentou um bom resultado para essa métrica, atingindo <strong>99,99%</strong>.</p><p>No geral, o modelo alcançou um ótimo desempenho, mas é importante ressaltar que existem outras técnicas para procurar melhorar esse resultado, seja por meio da implementação de outros modelo de classificação ou o ajuste de hiperparâmetros do modelo atual, por exemplo.</p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/Detec%C3%A7%C3%A3o_de_Fraudes_em_Cart%C3%B5es_de_Cr%C3%A9dito.ipynb"><strong>aqui</strong>.</a></blockquote><h3>Referências</h3><p>VIEIRA, Hugo Fernandes. Detecção de Fraude no Uso de Cartões de Crédito Utilizando Técnicas Supervisionadas de Machine Learning. 2019.</p><p>OLIVEIRA, Paulo Henrique Maestrello Assad. Detecção de Fraudes em Cartões: um classificador baseado em regras de associação e regressão logística. 2016. Tese de Doutorado. Universidade de São Paulo.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f6db435f6a83" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Detecção de Câncer de Mama usando Machine Learning]]></title>
            <link>https://jeffersonverissimo.medium.com/detec%C3%A7%C3%A3o-de-c%C3%A2ncer-de-mama-usando-machine-learning-cfac32425ffb?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/cfac32425ffb</guid>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[breast-cancer]]></category>
            <category><![CDATA[outubro-rosa]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Sun, 18 Oct 2020 20:38:22 GMT</pubDate>
            <atom:updated>2020-10-19T21:07:34.409Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YCCPymOIE7rOi7TwbzeKLA.png" /><figcaption>Imagem adaptada de <a href="https://br.freepik.com/home">Freepik</a></figcaption></figure><p>O Câncer de Mama é o mais frequente e a maior causa de morte por câncer na população feminina em todo o mundo. De acordo com o <a href="https://www.inca.gov.br/">Instituto Nacional de Câncer (INCA)</a>,<strong> as estimativas para o ano de 2020 chegam a 66.280 novos casos de câncer de mama no Brasil.</strong></p><p>Apesar dessa doença também acometer homens, o número de casos é muito pequeno, consistindo em apenas 1% do total de casos. Em 2018, o número de mortes por câncer de mama no Brasil foi de <strong>17.763</strong>, sendo 17.572 mulheres e 189 homens (INCA).</p><p>Segundo a <a href="https://noticias.r7.com/saude/uma-em-cada-12-mulheres-recebera-diagnostico-de-cancer-de-mama-02102019">Sociedade Brasileira de Mastologia</a>, uma em cada 12 mulheres terá um tumor nas mamas até os 90 anos de idade.</p><p>Além disso, de <a href="https://www.inca.gov.br/tipos-de-cancer/cancer-de-mama">acordo com dados do INCA</a>, cerca de 30% dos casos de câncer de mama podem ser evitados com a adoção de hábitos saudáveis como:</p><ul><li>Praticar atividade física;</li><li>Alimentar-se de forma saudável;</li><li>Manter o peso corporal adequado;</li><li>Evitar o consumo de bebidas alcoólicas;</li><li>Amamentar</li><li>Evitar uso de hormônios sintéticos, como anticoncepcionais e terapias de reposição hormonal.</li></ul><h4>Modelos para Diagnóstico Auxiliado por Computador</h4><p>As pesquisas sobre o câncer de mama sempre apontaram que a melhor maneira para a cura da doença é a detecção precoce. Uma das melhores técnicas para o rastreamento do câncer de mama disponível atualmente é a mamografia.</p><p>Contudo, estudos revelaram que 10% a 30% das mulheres que apresentaram a doença tiveram resultados negativos quando submetidas à mamografia, o que leva à hipótese de que ocorreram má interpretação dos exames (SILVA, 2019). Todo esse cenário tem despertado a preocupação dos órgãos de saúde e da comunidade científica, o que tem levado pesquisadores a desenvolverem técnicas computacionais para auxiliarem a detecção de câncer de mama.</p><h3>Proposta deste Artigo</h3><p>O objetivo do presente trabalho é realizar análises exploratória em um conjunto de dados sobre câncer de mama, a fim de compreender o comportamento dos dados e, posteriormente, aplicar um modelo de <em>Machine Learning</em> para prever os casos desse tipo de câncer.</p><p>Este artigo também visa contribuir para a conscientização a respeito da campanha Outubro Rosa e da importância da prevenção e diagnóstico precoce do câncer de mama. Além de mostrar que a Inteligência Artificial é uma das melhores soluções para auxiliar a detecção da doença.</p><h3>Obtenção dos Dados</h3><p>O primeiro passo em qualquer projeto de análise de dados é a compreensão do problema. Neste caso específico, o conjunto de dados em questão foi extraído do <a href="https://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+(Diagnostic)"><strong>Repositório de Machine Learning da UCI</strong></a>, e contém dados sobre Câncer de Mama no estado de Winconsin, EUA.</p><p>O conjunto de dados consiste de um arquivo .<em>csv, </em>cujas observações foram obtidas por meio da aspiração com agulha fina de células da mama. Você pode conferir a descrição completa do conjunto de dados e baixá-lo clicando <a href="https://github.com/jeffersonverissimo/datasets/blob/master/breast-cancer-wisconsin.csv"><strong>neste link</strong></a>.</p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/Detec%C3%A7%C3%A3o_de_C%C3%A2ncer_de_Mama_usando_Machine_Learning.ipynb"><strong>aqui</strong></a>.</blockquote><h3>Análise Exploratória</h3><p>Esta etapa é considerada é, basicamente, a mais importante do projeto, pois ela requer cerca de 70% do tempo total de dedicação. As principais informações e respostas para perguntas iniciais podem ser obtidas através da análise exploratória dos dados, além disso, o desempenho dos modelos de<em> Machine Learning</em> construídos dependem diretamente desta etapa do projeto.</p><p>A análise exploratória do <em>dataset</em> nos revela algumas informações básicas fundamentais como: tamanho do conjunto de dados; tipos de variáveis; distribuição estatísticas; valores ausentes, entre outras.</p><p>Além disso, é fundamental identificar a variável alvo (<em>target</em>) para a criação do modelo preditivo, as correlações entre as variáveis e gerar os principais gráficos para o melhor entendimento do comportamento dos dados.</p><h4>Dicionário de Variáveis</h4><ul><li>ID: número de identificação;</li><li>Diagnosis: diagnóstico do câncer (variável alvo), codificada como M (maligno) e B (benigno);</li></ul><p>As outras variáveis são referentes a parâmetros laboratoriais calculados para cada núcleo celular. Você pode ver a descrição completa acessando <a href="http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+%28Diagnostic%29">este link</a>.</p><p>Agora que já sabemos do que se trata as principais variáveis <em>dataset</em>, podemos começar as análises.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*F_Jv5S25HDdPi54uCePtDA.png" /><figcaption>Primeiras linhas e colunas do dataset</figcaption></figure><p><strong>Qual o tamanho do conjunto de dados e os tipos das variáveis?</strong></p><p>O <em>dataset</em> é formado por <strong>569 linhas</strong> e <strong>32 colunas</strong>, sendo quase todas do tipo numérica, com exceção da variável ‘<strong>diagnosis</strong>’ que é tipo <em>object.</em></p><p><strong>Há dados faltantes no <em>dataset</em>?</strong></p><p>O conjunto de dados não apresenta valores ausentes, o que é muito bom, pois não precisaremos tratar esses dados para este problema específico e isso reflete numa melhor performance dos modelos implementados, uma vez que não temos a perda de informações importantes.</p><p><strong>Qual a distribuição estatística dos dados?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tjK3IUIbYVc5eN_2QHu7uA.png" /><figcaption>Distribuição estatística das primeiras variáveis</figcaption></figure><p>Acima, podemos ver o resumo dos principais parâmetros estatísticos do nosso conjunto de dados, nele são apresentados valores de média, mediana, desvio padrão, etc. E claro, esse resumo se refere apenas às variáveis numéricas.</p><p><strong>Qual a distribuição da variável alvo?</strong></p><p>A variável alvo (<em>target</em>) é a coluna ‘diagnosis’, que mostra o tipo de diagnóstico para o câncer de mama no conjunto de dados, M (maligno) e B (benigno). Abaixo, podemos ver qual a proporção dos valores para essa variável.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/510/1*dasck5CMlO8Z7r2y8S2uiQ.png" /></figure><p>Ao observar o gráfico acima, percebemos que as classes estão desbalanceadas, isso pode afetar diretamente os modelos de <em>Machine Learning</em> alimentados com esses dados, pois esse desbalanceamento pode enviesar a predição do modelo.</p><p><strong>Como é a correlação entre as variáveis?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/577/1*lp42sv_XuZUafRlsgRpX6w.png" /></figure><p>Acima podemos observar um mapa de calor apresentando a correlação entre as variáveis. Quanto mais próximo de 1 (cor branca) maior a correlação positiva, o contrário ocorre quando se aproxima da cor violeta (correlação negativa).</p><h3>Preparação dos Dados</h3><p>O modelo preditivo a ser implementado após a análise exploratória será de Aprendizado Supervisionado, com base nisso e nas descrições das colunas do <em>dataset</em>, é fácil identificar que a coluna <strong>Diagnosis</strong> é a variável alvo (<em>target</em>).</p><p>Contudo, antes de implementar o modelo de <em>Machine Learning</em>, é preciso fazer o tratamento dos dados que irão alimentar o modelo. Nesta etapa, devemos nos preocupar em fazer os ajustes finais dos dados. Esses ajustes envolvem a padronização das <em>features</em>, criação de novas variáveis, limpeza dos dados, separação do <em>dataset</em>, etc.</p><p>Para alimentar o modelo de <em>Machine Learning</em>, é necessário separar a variável alvo (dependente) das demais variáveis (independentes).</p><p>Por padrão, é comum fazer a divisão do conjunto de dados em variáveis nomeadas como X e y. Este projeto seguiu a mesma ideia.</p><h4>Padronização dos Dados</h4><p>Após separar as variáveis devidamente, como parte do pré-processamento dos dados, que irão alimentar o modelo de <em>Machine Learning</em>, foi utilizado o <strong>StardardScaler</strong>, que vem junto com <strong>sklearn.preprocessing</strong>, para padronizar os dados numéricos.</p><p>Ao analisar o conjunto de dados, percebemos também que a variável alvo, ‘<strong>diagnosis</strong>’, é do tipo categórica e isso é um problema para os modelos de Machine Learning, pois eles não conseguem processar dados desse tipo, mas apenas números. Assim, devemos converter a variável ‘diagnosis’ para numérica. Para isso, podemos usar o <strong>LabelEncoder</strong>.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dboxy%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520SEPARA%2525C3%252587%2525C3%252583O%252520DAS%252520VARI%2525C3%252581VEIS%252520EM%252520DEPENDENTE%252520E%252520INDEPENDENTE%25250A%25250AX%252520%25253D%252520df.drop%28%25255B%2527diagnosis%2527%25252C%2527id%2527%25255D%25252C%252520axis%252520%25253D%2525201%29%25250Ay%252520%25253D%252520df.diagnosis%25250A%25250A%252523%252520PADRONIZA%2525C3%252587%2525C3%252583O%252520DOS%252520DADOS%25250A%25250Afrom%252520sklearn.preprocessing%252520import%252520StandardScaler%25250A%25250AX%252520%25253D%252520StandardScaler%28%29.fit_transform%28X%29%25250A%25250A%252523%252520CONVERS%2525C3%252583O%252520DAS%252520VARI%2525C3%252581VEIS%252520CATEG%2525C3%252593RICAS%252520EM%252520NUM%2525C3%252589RICAS%252520%25250A%25250Afrom%252520sklearn.preprocessing%252520import%252520LabelEncoder%25250A%25250Ay%252520%25253D%252520LabelEncoder%28%29.fit_transform%28y%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dboxy%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520SEPARA%252525C3%25252587%252525C3%25252583O%25252520DAS%25252520VARI%252525C3%25252581VEIS%25252520EM%25252520DEPENDENTE%25252520E%25252520INDEPENDENTE%2525250A%2525250AX%25252520%2525253D%25252520df.drop%28%2525255B%252527diagnosis%252527%2525252C%252527id%252527%2525255D%2525252C%25252520axis%25252520%2525253D%252525201%29%2525250Ay%25252520%2525253D%25252520df.diagnosis%2525250A%2525250A%25252523%25252520PADRONIZA%252525C3%25252587%252525C3%25252583O%25252520DOS%25252520DADOS%2525250A%2525250Afrom%25252520sklearn.preprocessing%25252520import%25252520StandardScaler%2525250A%2525250AX%25252520%2525253D%25252520StandardScaler%28%29.fit_transform%28X%29%2525250A%2525250A%25252523%25252520CONVERS%252525C3%25252583O%25252520DAS%25252520VARI%252525C3%25252581VEIS%25252520CATEG%252525C3%25252593RICAS%25252520EM%25252520NUM%252525C3%25252589RICAS%25252520%2525250A%2525250Afrom%25252520sklearn.preprocessing%25252520import%25252520LabelEncoder%2525250A%2525250Ay%25252520%2525253D%25252520LabelEncoder%28%29.fit_transform%28y%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/f348fdf383e339a29a8c38874ca588fb/href">https://medium.com/media/f348fdf383e339a29a8c38874ca588fb/href</a></iframe><h4>Balanceamento dos Dados</h4><p>Ao lidar com classes desbalanceadas, podem ser aplicados os métodos de <em>Undersampling</em> e <em>Oversampling</em>, por exemplo.</p><p>No primeiro caso, a técnica consiste em reduzir os exemplos da classe majoritária de forma aleatória. Já o segundo, faz réplicas dos dados da classe minoritária.</p><p>Contudo, mesmo utilizando essas técnicas descritas acima, o modelo de <em>Machine Learning</em> ainda pode ficar enviesado de alguma forma. Para tentar contornar isso, podemos usar <em>Feature Engineering</em>.</p><p>Neste projeto, optei por aplicar a técnica de <em>Undersampling</em>, usando algoritmo NearMiss para esta finalidade.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/397/1*7Q5j6aag8d8Qi7zBFe2zNQ.png" /></figure><p>Abaixo, podemos observar o gráfico com as classes balanceadas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/409/1*vWlyZ_Xt3NOQGOLP_WnMmA.png" /></figure><p>O modelo foi avaliado em duas situações, com e sem o balanceamento dos dados.</p><h3>Implementação do Modelo de Machine Learning</h3><p>Esta etapa é relativamente mais rápida, pois a maior parte do tempo foi investido na análise exploratória e tratamento dos dados. Outro fator, é que a implementação dos modelos de <em>Machine Learning</em> são muito automatizados, sendo necessário apenas algumas linhas de código para treinar, testar e avaliar o modelo.</p><p>Neste artigo, foi implementado o modelo de <strong>Regressão Logística</strong> para classificar os dados de diagnósticos de câncer de mama.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dboxy%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520IMPORTA%2525C3%252587%2525C3%252583O%252520DO%252520MODELO%252520DE%252520REGRESS%2525C3%252583O%252520LOG%2525C3%25258DSTICA%25250A%25250Afrom%252520sklearn.linear_model%252520import%252520LogisticRegression%25250A%25250A%252523%252520DIVIS%2525C3%252583O%252520DOS%252520DADOS%252520EM%252520TREINO%252520E%252520TESTE%25250A%25250Afrom%252520sklearn.model_selection%252520import%252520train_test_split%25250A%25250AX_train%25252C%252520X_test%25252C%252520y_train%25252C%252520y_test%252520%25253D%252520train_test_split%28X%25252C%252520y%25252C%252520test_size%252520%25253D%2525200.28%29%25250A%25250A%252523%252520INSTANCIANDO%252520O%252520MODELO%25250A%25250ALR_model%252520%25253D%252520LogisticRegression%28solver%252520%25253D%252520%2527liblinear%2527%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dboxy%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520IMPORTA%252525C3%25252587%252525C3%25252583O%25252520DO%25252520MODELO%25252520DE%25252520REGRESS%252525C3%25252583O%25252520LOG%252525C3%2525258DSTICA%2525250A%2525250Afrom%25252520sklearn.linear_model%25252520import%25252520LogisticRegression%2525250A%2525250A%25252523%25252520DIVIS%252525C3%25252583O%25252520DOS%25252520DADOS%25252520EM%25252520TREINO%25252520E%25252520TESTE%2525250A%2525250Afrom%25252520sklearn.model_selection%25252520import%25252520train_test_split%2525250A%2525250AX_train%2525252C%25252520X_test%2525252C%25252520y_train%2525252C%25252520y_test%25252520%2525253D%25252520train_test_split%28X%2525252C%25252520y%2525252C%25252520test_size%25252520%2525253D%252525200.28%29%2525250A%2525250A%25252523%25252520INSTANCIANDO%25252520O%25252520MODELO%2525250A%2525250ALR_model%25252520%2525253D%25252520LogisticRegression%28solver%25252520%2525253D%25252520%252527liblinear%252527%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/741c99226a7bfd21575374b868d01830/href">https://medium.com/media/741c99226a7bfd21575374b868d01830/href</a></iframe><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dboxy%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520TREINANDO%252520O%252520MODELO%25250A%25250ALR_model.fit%28X_train%25252C%252520y_train%29%25250A%25250A%252523%252520PREDI%2525C3%252587%2525C3%252583O%252520DO%252520MODELO%25250A%25250Ay_pred%252520%25253D%252520LR_model.predict%28X_test%29%25250A%25250A%252523%252520ACUR%2525C3%252581CIA%252520DO%252520MODELO%25250A%25250Afrom%252520sklearn.metrics%252520import%252520classification_report%25250Afrom%252520sklearn.metrics%252520import%252520accuracy_score%25250Afrom%252520sklearn.metrics%252520import%252520confusion_matrix%25250A%25250Aprint%28%2527Acur%2525C3%2525A1cia%25253A%252520%2527%25252C%252520accuracy_score%28y_test%25252C%252520y_pred%29%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dboxy%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520TREINANDO%25252520O%25252520MODELO%2525250A%2525250ALR_model.fit%28X_train%2525252C%25252520y_train%29%2525250A%2525250A%25252523%25252520PREDI%252525C3%25252587%252525C3%25252583O%25252520DO%25252520MODELO%2525250A%2525250Ay_pred%25252520%2525253D%25252520LR_model.predict%28X_test%29%2525250A%2525250A%25252523%25252520ACUR%252525C3%25252581CIA%25252520DO%25252520MODELO%2525250A%2525250Afrom%25252520sklearn.metrics%25252520import%25252520classification_report%2525250Afrom%25252520sklearn.metrics%25252520import%25252520accuracy_score%2525250Afrom%25252520sklearn.metrics%25252520import%25252520confusion_matrix%2525250A%2525250Aprint%28%252527Acur%252525C3%252525A1cia%2525253A%25252520%252527%2525252C%25252520accuracy_score%28y_test%2525252C%25252520y_pred%29%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/bb3295945035e6c19c1091f93908f2f5/href">https://medium.com/media/bb3295945035e6c19c1091f93908f2f5/href</a></iframe><h4>Avaliação do Modelo</h4><p><strong>Dados Desbalanceados</strong></p><p>Acurácia: 0.96875</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/441/1*r967e_bwMuhDwo1p7F_lTQ.png" /><figcaption>Relatório de Classificação</figcaption></figure><p><strong>Dados Balanceados</strong></p><p>Acurácia: 0.97478</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/429/1*1BIyAazZLfXIq3H2ZFTcrg.png" /><figcaption>Relatório de Classificação</figcaption></figure><p>Como pudemos observar, o balanceamento das classes refletiu na melhora da performance do modelo, onde a acurácia passsou de <strong>0.96875</strong> (dados desbalanceados), para <strong>0.97478</strong> (dados balanceados).</p><p>Essa melhora também pode ser percebida nos parâmetros <strong><em>precision</em></strong>, <strong><em>recall e f1-score</em></strong>.</p><ul><li><strong>Precision</strong> — Precisão de previsões positivas</li><li><strong>Reacall</strong> — Fração de positivos que foram identificados corretamente.</li><li><strong>f1-score</strong> — representa a média harmônica entre precision e recall, sendo 0 o pior valor e 1 o melhor.</li></ul><p>Apesar de serem pequenos aumentos na performance do modelo, essa melhora é fundamental quando tratamos especialmente de aplicações na área da saúde, uma vez que os diagnósticos precisam ser extremamente precisos.</p><h3>Inteligência Artificial e Outubro Rosa</h3><p>A utilização de Inteligência Artificial na área da saúde tem aumentado consideravelmente nos últimos anos, especialmente através da aplicação de algoritmos de <em>Machine Learning</em> e <em>Deep Learning</em>, que permitem realizar diagnósticos mais rápidos, tratamentos mais assertivos, e redução da margem de erro humano durante os procedimentos.</p><p>De acordo com a <a href="https://noticias.r7.com/saude/uma-em-cada-12-mulheres-recebera-diagnostico-de-cancer-de-mama-02102019">Sociedade Brasileira de Mastologia</a>, as chances de cura em caso de diagnóstico precoce chegam a 95%. Isso reforça a necessidade do uso de <em>Machine Learning</em> para auxiliar médicos e pesquisadores na detecção do câncer de mama.</p><blockquote>Acha que este artigo e conteúdo pode ajudar outras pessoas? Sinta-se à vontade para compartilhá-lo.</blockquote><blockquote>Pequenas iniciativas fazem toda a diferença.</blockquote><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/Detec%C3%A7%C3%A3o_de_C%C3%A2ncer_de_Mama_usando_Machine_Learning.ipynb"><strong>aqui</strong></a>.</blockquote><h3>Referências</h3><p>SILVA, Robson Mariano; LEAL, M. R. R.; LIMA, F. M. Predico do Câncer de Mama com Aplicação de Modelos de Inteligência Computacional. <strong>TEMA (São Carlos)</strong>, v. 20, n. 2, p. 229–240, 2019.</p><p><a href="https://sigmoidal.ai/machine-learning-para-a-deteccao-de-cancer-de-mama/">Machine Learning para a Detecção de Câncer de Mama | Sigmoidal</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cfac32425ffb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Suicídio no Brasil: Análise Exploratória de Dados]]></title>
            <link>https://jeffersonverissimo.medium.com/suic%C3%ADdio-no-brasil-an%C3%A1lise-explorat%C3%B3ria-de-dados-d4b967377a49?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/d4b967377a49</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[prevenção-suicídio]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[setembro-amarelo]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Mon, 14 Sep 2020 14:05:00 GMT</pubDate>
            <atom:updated>2020-09-14T14:05:00.455Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fikpJKEM7Z4QYf2ucG5eKg.png" /><figcaption>Imagem adaptada de Freepik</figcaption></figure><p><strong>Você sabia que anualmente são registrados cerca de 12 mil suicídios no Brasil e mais de 1 milhão no mundo?</strong></p><p>De acordo com a Organização Mundial da Saúde (OMS), a cada 40 segundos, uma pessoa comete suicídio no mundo. Já as tentativas de suicídio são estimadas em 20 vezes a de suicídios consumados, ou uma tentativa a cada 2 segundos.</p><p>Entre jovens de 15 a 19 anos, o suicídio aparece como <strong>segunda principal causa de mortes entre as meninas</strong>, após as complicações na gravidez, e <strong>a terceira entre meninos</strong>, depois de acidentes de trânsito e violência.</p><p>Este triste cenário registra cada vez mais casos, especialmente entre os jovens, e esses números alarmantes leva o suicídio a ser considerado um problema de saúde pública.</p><p>No Brasil, dados do ano de 2016 divulgados pela OMS, mostram que os a taxa de suicídios a cada 100 mil habitantes aumentou 7% no Brasil, ao contrário do índice mundial, que caiu 9,8%.</p><blockquote>“A sociedade está cada vez menos solidária, o jovem não tem mais uma rede de apoio. Além disso, é desiludido em relação aos ideais que outras gerações tiveram.” — Neury Botega, psiquiatra da UNICAMP.</blockquote><h4>Principais Fatores do Suicídio</h4><p>Segundo a OMS, conforme citado por Lovisi (2009), os principais fatores associados ao suicídio são:</p><ul><li>Tentativas anteriores de suicídio;</li><li>Doenças mentais (principalmente depressão e abuso/dependência de álcool e drogas);</li><li>Ausência de apoio social, histórico de suicídio na família;</li><li>Eventos estressantes e características sociodemográficas.</li></ul><h4>Quem está em Risco?</h4><p>Apesar da relação direta entre o distúrbios suicidas e transtornos mentais, em diversos casos os suicídios ocorrem de forma impulsiva em momento de crise, com um colapso na capacidade de lidar com os estresses da vida.</p><p>Além disso, de acordo com a Organização Pan-Americana da Saúde, as taxas de suicídio também são elevadas em grupos vulneráveis que sofrem discriminação, como refugiados e migrantes; indígenas; lésbicas, gays, bissexuais, transgêneros e intersexuais (LGBTI); e pessoas privadas de liberdade.</p><h3>Proposta deste Artigo</h3><p>O objetivo deste trabalho é realizar análises exploratórias no conjunto de dados sobre suicídio, a fim de entender o comportamento dos dados em todo o mundo e, especialmente, no Brasil.</p><p>Escrevi o presente artigo na esperança de oferecer a minha pequena contribuição para ajudar nessa causa de tamanha importância e que requer a atenção e o engajamento de todos.</p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/Suic%C3%ADdio_no_Brasil%3A_An%C3%A1lise_Explorat%C3%B3ria_de_Dados.ipynb"><strong>aqui</strong></a>.</blockquote><h3>Obtenção dos Dados</h3><p>O conjunto de dados utilizado neste projeto está hospedado na plataforma Kaggle. Se trata de um <em>dataset </em>composto por dados sobre os casos de suicídios registrados entre os anos de 1985 a 2016.</p><p>Você pode conferir a descrição completa do conjunto de dados e baixá-lo clicando <a href="https://www.kaggle.com/russellyates88/suicide-rates-overview-1985-to-2016"><strong>aqui</strong></a>.</p><h3>Análise Exploratória</h3><p>Apesar do <em>dataset</em> conter dados de vários países, o presente artigo irá focar na análise em relação ao Brasil e, em alguns casos, fazendo comparações com os demais países.</p><p>É importante ressaltar que o criador do conjunto de dados aplicou tratamentos que facilitará muito a exploração dos dados.</p><p>Algumas das informações que podem ser extraídas do <em>dataset</em> inicialmente são:</p><ul><li>Tamanho do conjunto de dados;</li><li>Tipos de variáveis (categórica, numérica, etc);</li><li>Presença de <em>outliers</em>;</li><li>Valores ausentes;</li><li>Distribuição estatística, etc;</li></ul><p>Para nos ajudar a compreender as informações contidas no dataset, é fundamental criarmos um dicionário de variáveis, apresentando a descrição de cada uma delas.</p><h4>Dicionário de Variáveis</h4><p><strong>country:</strong> país onde os dados foram registrados (101 países)</p><p><strong>year:</strong> ano em que os dados foram registrados (1985–2016)</p><p><strong>sex:</strong> sexo considerado no registro</p><ul><li><em>male</em> — masculino</li><li><em>female</em> — feminino</li></ul><p><strong>age</strong>: faixa etária considerada</p><ul><li>5–14 anos</li><li>15–24 anos</li><li>25–34 anos</li><li>35–54 anos</li><li>55–74 anos</li><li>75+ anos</li></ul><p><strong>suicides_no:</strong> número de suicídios</p><p><strong>population:</strong> população para o grupo</p><p><strong>suicides/100k pop:</strong> número de suicídios por 100 mil habitantes</p><p><strong>country_year:</strong> identificador contendo country + year</p><p><strong>HDI for year:</strong> Índice de Desenvolvimento Humano (IDH) para o ano</p><p><strong>gdp_for_year:</strong> Produto Interno Bruto (PIB) para o ano</p><p><strong>gdp_per_capita:</strong> Produto Interno Bruto (PIB) per capita</p><p><strong>gerenation</strong>: geração dos indivíduos baseada na média de idade dos grupos</p><ul><li>Geração G.I. (1900–1924)</li><li>Silenciosa (1925–1942)</li><li>Boomers (1946–1964)</li><li>Generation X (1965–1980)</li><li>Millenials (1981–2000)</li><li>Generation Z (2001–2010)</li></ul><p>Agora, que já sabemos do que se trata cada variável do <em>dataset</em>, podemos começar as análises.</p><p>Para realizar a análise inicial do conjunto de dados, serão utilizadas as bibliotecas:</p><ul><li><strong>Pandas</strong> — manipulação de dados;</li><li><strong>Matplotlib</strong> e <strong>Seaborn</strong> — criação de gráficos e visualização de dados;</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2xxFeHlcg203Z1mYylOPUw.png" /><figcaption>Primeiras linhas do conjunto de dados</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/232/1*JZSZA_2KGYODSQg9xXCtrw.png" /><figcaption>Tipos das variáveis</figcaption></figure><p><strong>Qual o tamanho do conjunto de dados e os tipos das variáveis?</strong></p><p>O dataset é formado por 27.820 linhas e 12 variáveis, sendo elas dividas entre tipos float/int (numérico) e object (<em>string</em>).</p><p><strong>Há dados faltantes no dataset?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/248/1*y1lXHQ4jVFASGmT4h2dIeg.png" /></figure><p>O conjunto de dados só possui valores ausentes na variável ‘HDI for year’, que apresenta cerca de 70% como faltantes.</p><p><strong>Qual a distribuição estatística dos dados?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/779/1*sVj7KdbhShj1S4VeyQ8gOg.png" /><figcaption>Resumo estatístico das variáveis numéricas</figcaption></figure><h4>Visão Global</h4><p>Antes de iniciar de fato as análises sobre os dados do Brasil, precisamos ter uma visão do comportamento dos dados no restante do mundo. Para isso, podemos gerar alguns gráficos.</p><p>Vamos descobrir quais países apresentam os maiores números de casos de suicídios em todo o mundo no período de 1985 até 2015.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*eN7kuJHPS0oLxa2PD8aPpg.png" /><figcaption>Os 15 países com mais suicídios de 1985–2015</figcaption></figure><p>Os números mais impressionantes são os da Rússia, Estados Unidos da América e Japão, que apresentam, pelo menos, duas vezes mais casos de suicídios do que o restante dos países listados. O Brasil aparece na lista como o 8º país com mais casos no período analisado.</p><p>Sabemos que existem diversas gerações entre as populações mundiais, elas são divididas de acordo com a média de idade de cada grupo. Como será que o comportamento dos dados sobre os casos de suicídios entre essas gerações?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/1*seF6VsBtQ6XQSOrwRDwCJQ.png" /><figcaption>Número de suicídios entre as gerações</figcaption></figure><p>O gráfico acima mostra os números de suicídios para cada geração divididas por sexo. Nos dois casos, tanto entre os homens quanto mulheres, a geração que apresenta maior número de casos de suicídio é a Boomers. Este grupo da população corresponde àquelas pessoas que nasceram logo após a Segunda Guerra Mundial, até a metade de 1960. Enquanto a Geração Z, nascidos entre 2001 e 2010, apresentam o menor número de casos.</p><h4>Dados do Brasil</h4><p>Como o objetivo é estudar os dados em relação ao Brasil, será criado um novo conjunto de dados contendo informação apenas referente a esse país.</p><p>O novo dataset apenas com os dados do Brasil possui <strong>372 linhas e 12 colunas</strong>.</p><p><strong>Existem dados faltantes nos dados referentes ao Brasil?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/252/1*95ch-wprJzQd7lmCMIt3_w.png" /><figcaption>Dados ausentes para o Brasil</figcaption></figure><p>Assim como no <em>dataset </em>geral, para o Brasil só existem valores ausentes na variável <strong>HDI for year.</strong> Contudo, corresponde a quase 68% das entradas dessa variável, ou seja, 252 valores faltantes.</p><p>Apesar disso, a ausência desses dados não irão interferir muito das análises propostas neste projeto.</p><h4>Taxa de Suicídio no Brasil</h4><p>A primeira análise a ser realizada será comparar a tendência da taxa de suicídio no Brasil com os demais países.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/808/1*Jj5dmIwfemfC34ARM5O0VA.png" /></figure><p>No gráfico acima podemos observar que apesar da taxa de suicídio no Brasil ser bem inferior ao da restante do mundo, os números ainda são preocupantes, pois a taxa do Brasil praticamente só teve aumento durante 30 anos, enquanto a taxa mundial diminuiu a partir de 1995.</p><h4>Faixa Etária com Maior Índice de Suicídio</h4><p>Através de um gráfico de barras, fica fácil visualizar quais faixas etárias estão sendo mais afetadas com o problema de suicídio no Brasil. Foram analisadas 6 faixas de idade.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/726/1*g2bZ6UwbzpbwFrwldqUmJw.png" /></figure><p>Acima, podemos facilmente identificar que o <strong>grupo de pessoas que mais cometem suicídio é composto por pessoas cuja idade varia entre 35 e 54 anos</strong>. Em seguida, aparecem as pessoas com <strong>idades entre 25 e 34 anos</strong>.</p><p>Juntos, esses dois grupos correspondem a quase 60% de todos os casos de suicídio no país.</p><h4>Taxa de Suicídio entre Homens e Mulheres</h4><p>Esta análise é fundamental, pois podemos verificar qual dos sexos está sendo mais afetado com esse problema de saúde pública, homens ou mulheres.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/265/1*YZN8-3LPnHyn_JmP7uhHXQ.png" /></figure><p>Observando o gráfico acima, podemos identificar facilmente que a taxa de suicídio é muito maior entre os homens, correspondendo a cerca de 78%, enquanto as mulheres correspondem a 22%.</p><h4>A Contribuição da Ciência de Dados na Prevenção do Suicídio</h4><p>Em 2013, o Brasil começou a fazer parte do “Plano de Ação sobre Saúde Mental 2013–2020”, feito pela Organização Mundial da Saúde, cujo objetivo era promover a redução da taxa de suicídio em <strong>10% até o ano de 2020</strong>. Contudo, as pesquisas indicam que a taxa de suicídio aumentou, o que preocupa muito governo.</p><p>Diversas iniciativas estão sendo tomadas por algumas empresas do setor de tecnologia, especialmente com o uso de Inteligência Artificial, analisando padrões de escrita em redes sociais e ajudar a prever possíveis casos de suicídio. Contudo, a IA se aplica em várias outras situações que contribuem para a prevenção do suicídio.</p><p>Vale ressaltar que o conjunto de dados utilizado no presente artigo é relativamente pequeno e simples, mas que serve muito bem para o objetivo proposto e realizar análises iniciais.</p><h4>Necessita de Ajuda? Ligue para 188</h4><p>No Brasil, o <a href="https://www.cvv.org.br/">CVV — Centro de Valorização da Vida</a> realiza apoio emocional e prevenção do suicídio, atendendo voluntária e gratuitamente todas as pessoas que querem e precisam conversar, sob total sigilo, por telefone (basta discar 188), e-mail e chat 24 horas todos os dias.</p><blockquote><strong>Acha que este artigo e conteúdo pode ajudar outras pessoas? Sinta-se à vontade para compartilhá-lo.</strong></blockquote><blockquote>Pequenas iniciativas fazem toda a diferença.</blockquote><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/Suic%C3%ADdio_no_Brasil%3A_An%C3%A1lise_Explorat%C3%B3ria_de_Dados.ipynb"><strong>aqui</strong></a>.</blockquote><h3>Referências</h3><ul><li><a href="https://www.setembroamarelo.com/">Setembro Amarelo - Prevenção ao Suicídio - Brasil</a></li><li><a href="https://www.paho.org/bra/index.php?option=com_content&amp;view=article&amp;id=5671:folha-informativa-suicidio&amp;Itemid=839">OPAS/OMS Brasil - Folha informativa - Suicídio | OPAS/OMS</a></li><li><a href="https://saude.gov.br/saude-de-a-z/suicidio">Prevenção do suicídio: sinais para saber e agir</a></li></ul><p>LOVISI, Giovanni Marcos et al. Análise epidemiológica do suicídio no Brasil entre 1980 e 2006. <strong>Brazilian Journal of Psychiatry</strong>, v. 31, p. S86-S93, 2009.</p><p><a href="https://sigmoidal.ai/setembro-amarelo-analise-do-suicidio-no-brasil-com-data-science/">Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d4b967377a49" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Naufrágio do Titanic: uma análise usando Data Science]]></title>
            <link>https://jeffersonverissimo.medium.com/naufr%C3%A1gio-do-titanic-uma-an%C3%A1lise-usando-data-science-b6c579033eee?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/b6c579033eee</guid>
            <category><![CDATA[titanic]]></category>
            <category><![CDATA[kaggle-competition]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Fri, 04 Sep 2020 01:25:52 GMT</pubDate>
            <atom:updated>2020-09-04T12:55:24.731Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ukfVDYHfotgY35BMbEk6bQ.jpeg" /><figcaption><em>“Untergang der Titanic”</em> by <a href="https://en.wikipedia.org/wiki/Willy_St%C3%B6wer">Willy Stöwer</a>, 1912.</figcaption></figure><p>Este projeto está organizado nas seguintes etapas:</p><ol><li><strong>Introdução e Definição do Problema</strong></li><li><strong>Proposta do Artigo</strong></li><li><strong>Obtenção dos Dados</strong></li><li><strong>Análise Exploratória</strong></li><li><strong>Modelo Preditivo Usando Machine Learning</strong></li></ol><h3>1. Introdução</h3><p>O desafio de <strong>Data Science do Titanic</strong> é um dos mais conhecidos mundialmente entre os cientistas de dados, em termos comparativos, é o <strong>“<em>Hello, World!</em>”</strong> para quem está começando na área de aprendizado de máquina.</p><p>Essa competição de introdução ao maravilhoso universo da Ciência de Dados é promovido pelo site do <a href="https://www.kaggle.com/"><strong>Kaggle</strong></a>, plataforma gerenciada pela Google, que disponibiliza diversos desafios e conjunto de dados.</p><p><strong>Afinal, quem nunca ouviu falar da tragédia do Titanic?</strong></p><p>Com certeza, a maioria das pessoas conhecem a história do naufrágio desse navio conhecido tecnicamente como RMS Titanic. Ele foi operado pela empresa White Star Line e seu projeto durou cerca de 4 anos, tendo início em setembro de 1908 e comissionamento em abril de 1912. A embarcação foi construída para ser a melhor de sua época, em questões de luxo, segurança e engenharia, alcançando o lendário status de “inafundável”.</p><p>Sua viagem inaugural, iniciada em dia <strong>10 de abril de 1912</strong>, tinha rota traçada de <strong>Southampton</strong> para <strong>Nova Iorque</strong>, levando cerca de <strong>2.200 passageiros</strong>. Contudo, apesar de todos os avanços tecnológicos incorporados ao projeto do Titanic, <strong>às 23h40min do dia 15 de abril de 1912, após colidir com um iceberg, o navio naufragou nas águas do Oceano Atlântico, matando mais de 1.500 pessoas.</strong></p><p>Diversos fatores contribuíram para a tragédia do Titanic, dentre elas, o número insuficiente de bote salva-vidas para as pessoas a bordo e diversas falhas técnicas por parte da tripulação. <strong>Atualmente, o navio está submerso a 3.800 metros de profundidade no Oceano Atlântico, a cerca 600 km da costa de Newfoundland, no Canadá.</strong></p><p>A partir do cenário da tragédia do Titanic podemos levantar alguns questionamentos:</p><ul><li>Será que alguns grupos de passageiros tiveram mais “sorte” que outros?</li><li>Mulheres e crianças tiveram mais chances de sobreviver?</li><li>Os passageiros que alguns passageiros foram menos favorecidos, apenas pelo fato de tirem embarcado na 3ª Classe?</li></ul><p>Com os dados reais disponibilizados, usando ferramentas da Ciência de Dados, você pode realizar análises exploratória, encontrar padrões nos dados e criar modelos preditivos para descobrir, por exemplo, qual seria a probabilidade de você e sua família ou amigos sobreviverem ao trágico naufrágio.</p><p>No página do Kaggle <a href="https://www.kaggle.com/c/titanic">Titanic: Machine Learning from Disaster</a>, podemos encontrar disponíveis a descrição completa do desafio e os conjuntos de dados a serem utilizados.</p><h3>2. Proposta deste Artigo</h3><p>Inicialmente, será realizada uma análise exploratória do conjunto de dados, a fim de entender o comportamento das variáveis, como elas se distribuem e qual o grau de influência que cada uma representa na probabilidade de sobrevivência dos passageiros.</p><p>Em seguida, após a análise dos dados, serão implementados modelos de <em>Machine Learning</em> com o objetivo de tentar prever quais as chances de sobrevivência de um passageira qualquer.</p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://bit.ly/2Z3bmZh"><strong>aqui</strong></a>.</blockquote><h3>3. Obtenção dos Dados</h3><p>Todos os dados necessários para a análise e construção do modelo foram retirados da <a href="https://www.kaggle.com/c/titanic/data">página do desafio do Titanic</a> no site Kaggle, os quais foram baixados e armazenados no <a href="https://github.com/jeffersonverissimo/datasets/tree/master/titanic">meu repositório do Github</a>. Os dados foram divididos em dois conjuntos:</p><ul><li><strong>Conjunto de treino (<em>train.csv</em>)</strong>: composto por diversas informações sobre os passageiros, como gênero, classe de embarque, idade, etc. Esse conjunto também deve ser usado para construir e treinar o modelo de <em>Machine Learning</em>, nele é informado se o passageiro sobreviveu ou não.</li><li><strong>Conjunto de teste (<em>test.csv</em>)</strong>: este <em>dataset</em> não informa se o passageiro sobreviveu ou não, e deve ser usado como dados nunca vistos pelo modelo, de forma a verificar o desempenho do mesmo.</li></ul><p>Como se trata de um desafio, o participante deve submeter suas análises na plataforma do Kaggle que, por sua vez, também disponibiliza um gabarito (<em>gender_submission.csv</em>) informando como as previsões devem ser enviadas.</p><h3><strong>4. Análise Exploratória</strong></h3><p>Esta etapa é considerada por muitos cientistas de dados como a mais importante, uma vez que ela consome cerca de 70% do tempo total do projeto. As principais informações e respostas para perguntas iniciais podem ser obtidas através da análise exploratória dos dados, além disso, o desempenho dos modelos de <em>machine learning</em> construídos dependem diretamente desta etapa do projeto.</p><p>Algumas das informações que podem ser extraídas do <em>dataset</em> inicialmente são:</p><ul><li>Tamanho do conjunto de dados;</li><li>Tipos de variáveis (categórica, numérica, etc);</li><li>Presença de <em>outliers</em>;</li><li>Valores ausentes;</li><li>Distribuição estatística, etc;</li></ul><p>Além disso, é fundamental identificar a variável alvo (<em>target</em>) para a criação do modelo preditivo, as correlações entre as variáveis e gerar os principais gráficos para o melhor entendimento do comportamento dos dados.</p><h4>Dicionário de Variáveis</h4><ul><li><strong>PassengerID</strong>: Número de identificação do passageiro;</li><li><strong>Survived</strong>: Informa se o passageiro sobreviveu ao naufrágio (<strong>0</strong> = não e <strong>1</strong> = sim).</li><li><strong>PCclass</strong>: Classe do bilhete (<strong>1</strong> = 1ª classe; <strong>2</strong> = 2ª classe e <strong>3</strong> = 3ª classe);</li><li><strong>Name</strong>: Nome do passageiro;</li><li><strong>Sex</strong>: Sexo do passageiro;</li><li><strong>Age</strong>: Idade do passageiro;</li><li><strong>SibSp</strong>: Quantidade de cônjuges e/ou irmãos a bordo;</li><li><strong>Parch</strong>: Quantidade de pais e filhos a bordo;</li><li><strong>Ticket</strong>: Número da passagem;</li><li><strong>Fare</strong>: Preço da passagem;</li><li><strong>Cabin</strong>: Número da cabine do passageiro;</li><li><strong>Embarked</strong>: Porto de embarque: (C = Cherbourg; Q = Queenstown; S = Southampton);</li></ul><p>Agora, que já sabemos do que se trata cada variável do <em>dataset</em>, podemos começar as análises.</p><p>Para realizar a análise inicial do conjunto de dados, serão utilizadas as bibliotecas:</p><ul><li><strong>Pandas</strong> - manipulação de dados;</li><li><strong>Matplotlib</strong> e <strong>Seaborn</strong> - criação de gráficos e visualização de dados;</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NSU8t7WRdeF041zy_aGcPA.jpeg" /><figcaption>Primeiras linhas do conjunto de dados</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/184/1*alY7jmhVou5-ZEvtQkaZVA.png" /><figcaption>Tipo das variáveis</figcaption></figure><p><strong>Qual o tamanho do conjunto de dados e os tipos das variáveis?</strong></p><p>O dataset é formado por <strong>12 variáveis</strong> e <strong>891 entradas</strong>, sendo elas 7 variáveis numéricas e 5 do tipo <em>object</em>, estas últimas são <em>strings</em>, como pudemos observar nas primeiras linhas do <em>dataset</em>.</p><p><strong>Há dados faltantes no dataset?</strong></p><p>Apenas três variáveis possuem valores ausentes, Age, Cabin e Embarked, sendo que a maior quantidade de dados faltantes estão presentes na coluna <strong><em>Cabin</em></strong>, <em>687</em> entradas ausentes. Enquanto <strong><em>Age</em></strong> possui 177 entradas faltantes e <strong><em>Embarked</em></strong> possui 2.</p><p>Contudo, podemos tratar esses valores ausentes mais adiante, usando algumas alternativas para remover ou substituir esses dados faltantes.</p><p><strong>Qual a distribuição estatística dos dados?</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/688/1*PGZYons5F5IQr3IMu0Nk_A.png" /><figcaption>Resumo estatístico das variáveis numéricas</figcaption></figure><p>Acima, podemos ver o resumo dos principais parâmetros estatísticos do nosso conjunto de dados, nele são apresentados valores de média, mediana, desvio padrão, etc. E claro, esse resumo se refere apenas às variáveis numéricas.</p><p>Mais precisamente, as variáveis que realmente importam nesse caso, são Pclass, Age, SibSb, Parch e Fare, uma vez que PassengerID e Survived identificam o número do passageiro e se ele sobreviveu ao desastre, respectivamente.</p><p><strong>Existem <em>outliers</em> no conjunto de dados?</strong></p><p>É fundamental sabermos identificar a presença de <em>outliers</em> no nosso <em>dataset</em>, dados que se diferenciam muito dos outros, ou seja, são valores que fogem da normalidade. Esses <em>outliers</em> podem influenciar drasticamente uma determinada análise realizada no <em>dataset</em>, causando problemas nos resulados obtidos.</p><p>Graficamente, os <em>outliers</em> podem ser identificados através de histogramas ou usando o <strong>boxplot</strong>, e é isso que será feito em seguida.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tHoG1Y_uxlsyxRt5FxF2Hg.png" /><figcaption>Boxplots</figcaption></figure><p>Acima, podemos perceber que existem <em>outliers</em> presentes no conjunto de dados, mais especificamente, os gráficos mostram esses resultados para as variáveis Age e Fare. É provável que existem valores discrepantes presentes em outras variáveis também.</p><p>Assim, teremos que analisar melhor e tratar esses dados.</p><h4>Após extrairmos algumas informações iniciais do conjunto de dados, podemos partir para questionamentos mais específicos, relacionados diretamente à chance de sobrevivência de um determinado grupo de passageiros, considerando classe de embarque, sexo, idade, etc.</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*drWm_twVwVMDOq6A8nUFxg.png" /><figcaption>Gráficos de barras</figcaption></figure><p>A partir da análise dos três gráficos acima, podemos extrair duas informações importantes:</p><ul><li>As mulheres têm muito mais chances de sobreviverem do que os homens, enquanto elas possuem cerca de <strong>75%</strong> de chances, os homens apresentam cerca de <strong>18%</strong>.</li><li>Os passageiros que viajaram na <strong>1ª Classe</strong> possuem mais que o dobro de chances de sobreviverem em relação aos que compraram a <strong>3ª Classe</strong>.</li><li>Os passageiros que embarcaram a partir da cidade de <strong>Cherbourg</strong> são os que mais têm chances de sobreviverem, enquanto os que embarcaram em <strong>Southampton</strong>, possuem as menores chances.</li></ul><p>Também podemos realizar a análise em relação às idades dos passageiros e saber quais tiveram mais chances de sobreviver.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/714/1*IDEuNc3CHrVOUTqoE9Pojg.png" /><figcaption>Histogramas de Idade em relação à sobrevivência</figcaption></figure><p>OS gráficos acima mostram a distribuição de idades para os sobreviventes e mortes no naufrágio, podemos perceber que a maior parte dos passageiros, nas duas situações, possuem idades entre 20 e 30 anos.</p><p>No gráfico da direita (sobreviventes), podemos perceber que há um pico nos passageiros que possuem idade de até 5 anos, mostrando que crianças um pouco menores têm mais chances de sobreviver.</p><p><strong>Qual a correlação entre as variáveis do <em>dataset</em>?</strong></p><p>Através desse gráfico, podemos entender a correlação entre as variáveis, se é positiva ou negativa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/541/1*ApwE2XmLUDZRj9cbBXaSFQ.png" /><figcaption>Mapa de calor mostrando as correlações entre as variáveis</figcaption></figure><p>As maiores correlações apresentadas foram entre as variáveis <strong>Parch </strong>(Quantidade de pais e filhos a bordo) e <strong>SibSp</strong> (Quantidade de cônjuges e irmãos a bordo), cujo valor é de 0,41.</p><p><strong>Ao final dessa análise exploratória, foi possível entender melhor os dados e como eles se comportam, extraindo informações que serão importantes ao implementar o modelo de machine learning, pois será mais fácil escolher as melhores variáveis para melhorar o desempenho do modelo.</strong></p><h3>5. Modelo Preditivo usando Machine Learning</h3><p>O modelo preditivo a ser implementado após a análise exploratória será de Aprendizado Supervisionado, com base nisso e nas descrições das colunas do <em>dataset</em>, é fácil identificar que a coluna <strong>Survived</strong> é a variável alvo (<em>target</em>).</p><p>Agora que já sabemos o comportamento geral dos dados, podemos prepará-los para construir o modelo de <em>machine learning</em>, selecionando as melhores <em>features</em> e limpando os dados necessários.</p><p>Neste projeto, serão implementados modelos de classificação, pois procuramos saber quais passageiros sobreviveram ou não ao naufrágio. Mais especificamente, os modelos de <strong>Regressão Logística, Árvore de Decisão e Máquina de Vetor de Suporte (SVM)</strong> serão utilizados. Os desempenhos de cada modelo serão analisados e comparados considerando as devidas métricas para modelos de classificação.</p><p>Por fim, mas não menos importante, após realizar as análises de desempenho dos modelos, serão submetidos à competição do Kaggle e verificar o <em>score</em> alcançado.</p><h4>Preparação dos Dados</h4><p>Nesta etapa, devemos nos preocupar em fazer os ajustes finais dos dados e tratá-los para alimentar o modelo. Esses ajustes envolver a seleção das <em>features</em>, criação de novas variáveis, limpeza dos dados, separação do <em>dataset</em>, etc.</p><h4><strong>Organizando os Conjuntos de Dados</strong></h4><p>Apesar de os <em>datasets </em>de treino e testes estarem inicialmente separados, uma boa prática é juntá-los em um único <em>dataset </em>para poder aplicar as devidas alterações e depois separá-los novamente. Isso, além de importante, oferece praticidade, pois as mudanças precisam ser as mesmas para os dois conjuntos de dados.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D12px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520SALVANDO%252520OS%252520%2525C3%25258DNDICES%252520PARA%252520RECUPERA%2525C3%252587%2525C3%252583O%252520DOS%252520CONJUNTOS%252520DE%252520DADOS%25250A%25250Atreino_ID%252520%25253D%252520treino.shape%25255B0%25255D%25250A%25250Ateste_ID%252520%25253D%252520teste.shape%25255B0%25255D%25250A%25250A%252523%252520SALVANDO%252520O%252520%2527PASSANGERID%2527%252520PARA%252520SUBMISS%2525C3%252583O%252520NO%252520KAGGLE%25250A%25250APassenger_ID%252520%25253D%252520teste.PassengerId%25250A%25250A%252523%252520SALVANDO%252520VARI%2525C3%252581VEL%252520ALVO%252520%28TARGET%29%252520E%252520SEPARANDO%252520DO%252520DATASET%252520DE%252520TREINO%25250A%25250Atarget%252520%25253D%252520treino%25255B%2527Survived%2527%25255D.copy%28%29%25250Atreino.drop%28%25255B%2527Survived%2527%25255D%25252C%252520axis%252520%25253D%2525201%25252C%252520inplace%252520%25253D%252520True%29%25250A%25250A%252523%252520JUNTANDO%252520OS%252520CONJUNTOS%252520DE%252520DADOS%25250A%25250Adf_total%252520%25253D%252520pd.concat%28objs%252520%25253D%252520%25255Btreino%25252C%252520teste%25255D%25252C%252520axis%252520%25253D%2525200%29.reset_index%28drop%252520%25253D%252520True%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D12px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520SALVANDO%25252520OS%25252520%252525C3%2525258DNDICES%25252520PARA%25252520RECUPERA%252525C3%25252587%252525C3%25252583O%25252520DOS%25252520CONJUNTOS%25252520DE%25252520DADOS%2525250A%2525250Atreino_ID%25252520%2525253D%25252520treino.shape%2525255B0%2525255D%2525250A%2525250Ateste_ID%25252520%2525253D%25252520teste.shape%2525255B0%2525255D%2525250A%2525250A%25252523%25252520SALVANDO%25252520O%25252520%252527PASSANGERID%252527%25252520PARA%25252520SUBMISS%252525C3%25252583O%25252520NO%25252520KAGGLE%2525250A%2525250APassenger_ID%25252520%2525253D%25252520teste.PassengerId%2525250A%2525250A%25252523%25252520SALVANDO%25252520VARI%252525C3%25252581VEL%25252520ALVO%25252520%28TARGET%29%25252520E%25252520SEPARANDO%25252520DO%25252520DATASET%25252520DE%25252520TREINO%2525250A%2525250Atarget%25252520%2525253D%25252520treino%2525255B%252527Survived%252527%2525255D.copy%28%29%2525250Atreino.drop%28%2525255B%252527Survived%252527%2525255D%2525252C%25252520axis%25252520%2525253D%252525201%2525252C%25252520inplace%25252520%2525253D%25252520True%29%2525250A%2525250A%25252523%25252520JUNTANDO%25252520OS%25252520CONJUNTOS%25252520DE%25252520DADOS%2525250A%2525250Adf_total%25252520%2525253D%25252520pd.concat%28objs%25252520%2525253D%25252520%2525255Btreino%2525252C%25252520teste%2525255D%2525252C%25252520axis%25252520%2525253D%252525200%29.reset_index%28drop%25252520%2525253D%25252520True%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/a73c872e24fe7f719d709779b4eb1e40/href">https://medium.com/media/a73c872e24fe7f719d709779b4eb1e40/href</a></iframe><p>Após juntar os dois conjuntos de dados, o novo dataset possui <strong>1309 linhas e 11 variáveis.</strong></p><h4><strong>Selecionando as Principais Variáveis (<em>features</em>)</strong></h4><p>Nesta etapa, é fundamental selecionarmos as variáveis que realmente são relevantes para a construção do modelo. Contudo, vale ressaltar que nem sempre fazemos as melhores escolhas ao selecionar as <em>features</em>, sendo preciso repensar e avaliar novamente a significância das variáveis. Neste projeto, serão consideradas apenas as variáveis [&#39;Pclass&#39;, &#39;Sex&#39;, &#39;Age&#39;, &#39;SibSp&#39;, &#39;Parch&#39;, &#39;Fare&#39;, &#39;Embarked&#39;].</p><p>Assim, as demais variáveis serão descartadas neste momento, por não serem relevantes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/439/1*R2iO__5FWN-9cPJ256hrtA.png" /><figcaption>Dataset após remover as variáveis irrelevantes.</figcaption></figure><h4>Tratando os Valores Ausentes</h4><p>Como comentado anteriormente, a presença de valores faltantes no conjunto de dados influencia diretamente as análises exploratória e o aprendizado dos modelos. Desta forma, precisamos tratar esses dados adotando alguns métodos, por exemplo, excluindo esses valores ou substituindo-os por outros que possivelmente representem bem esses dados.</p><p>Contudo, cada conjunto de dados é tratado de maneira diferente, cabendo ao cientista de dados encontrar a melhor solução. Apesar de ser uma opção, não é interessante, na maioria das vezes, excluir dos dados. Em vez disso, é melhor substituir esses dados faltantes pela média ou mediana, por exemplo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/149/1*Jc_E6LdmkxDaYzR5NYKkAg.png" /><figcaption>Total de valores faltantes</figcaption></figure><p>Podemos perceber pela imagem acima que a maior quantidade de dados faltantes está presente na variável ‘Age’ e, como visto anteriormente, essa coluna também possui <em>outliers</em>. As colunas ‘Fare’ e Embarked’ também apresentam valores faltantes, mas insignificantes, em quantidade, quando comparados à variável ‘Age’.</p><p>Neste trabalho, serão utilizados os valores das medianas para substituir os dados ausentes das variáveis ‘Age’ e ‘Fare’, enquanto para ‘Embarked’ será usado o valor mais frequente.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D12px%26lh%3D140%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520MEDIANA%252520DA%252520COLUNA%252520%2527AGE%2527%25250A%25250AAge_mediana%252520%25253D%252520df_total%25255B%2527Age%2527%25255D.median%28%29%25250Adf_total%25255B%2527Age%2527%25255D.fillna%28Age_mediana%25252C%252520inplace%252520%25253D%252520True%29%25250A%25250A%252523%252520MEDIANA%252520DA%252520COLUNA%252520%2527FARE%2527%25250A%25250AFare_mediana%252520%25253D%252520df_total%25255B%2527Fare%2527%25255D.median%28%29%25250Adf_total%25255B%2527Fare%2527%25255D.fillna%28Fare_mediana%25252C%252520inplace%252520%25253D%252520True%29%25250A%25250A%25250A%252523%252520VALOR%252520MAIS%252520FREQUENTE%252520DA%252520COLUNA%252520%2527EMBARKED%2527%25250A%25250AEmbarked_moda%252520%25253D%252520df_total%25255B%2527Embarked%2527%25255D.value_counts%28%25255B0%25255D%25250Adf_total%25255B%2527Embarked%2527%25255D.fillna%28Embarked_moda%25252C%252520inplace%252520%25253D%252520True%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D12px%26lh%3D140%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520MEDIANA%25252520DA%25252520COLUNA%25252520%252527AGE%252527%2525250A%2525250AAge_mediana%25252520%2525253D%25252520df_total%2525255B%252527Age%252527%2525255D.median%28%29%2525250Adf_total%2525255B%252527Age%252527%2525255D.fillna%28Age_mediana%2525252C%25252520inplace%25252520%2525253D%25252520True%29%2525250A%2525250A%25252523%25252520MEDIANA%25252520DA%25252520COLUNA%25252520%252527FARE%252527%2525250A%2525250AFare_mediana%25252520%2525253D%25252520df_total%2525255B%252527Fare%252527%2525255D.median%28%29%2525250Adf_total%2525255B%252527Fare%252527%2525255D.fillna%28Fare_mediana%2525252C%25252520inplace%25252520%2525253D%25252520True%29%2525250A%2525250A%2525250A%25252523%25252520VALOR%25252520MAIS%25252520FREQUENTE%25252520DA%25252520COLUNA%25252520%252527EMBARKED%252527%2525250A%2525250AEmbarked_moda%25252520%2525253D%25252520df_total%2525255B%252527Embarked%252527%2525255D.value_counts%28%2525255B0%2525255D%2525250Adf_total%2525255B%252527Embarked%252527%2525255D.fillna%28Embarked_moda%2525252C%25252520inplace%25252520%2525253D%25252520True%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/1a784087786bf00326f944a785c01f66/href">https://medium.com/media/1a784087786bf00326f944a785c01f66/href</a></iframe><h4>Ajustas as Variáveis para o Modelo</h4><p>Após tratar os dados ausentes, o tratamento dos dados está praticamente concluído. Agora, é preciso converter os dados que irão alimentar o modelo de categóricos para numéricos.</p><p>Neste caso, as variável ‘Sex’ e ‘Embarked’ serão convertidas para valores numéricos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/672/1*x_KiID6R_kojfyEL5SD3iA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/422/1*Iekz49PU4jl5KhnrCGzCKw.png" /><figcaption>Dataset após converter as variáveis ‘Sex’ e ‘Embarked’ para numéricas</figcaption></figure><p>Outra opção seria tratar as variáveis usando o One Hot Encoding do Scikit-Learn para converter as variáveis para numéricas, por exemplo.</p><h4>Recuperando os Dados de Treino e Teste</h4><p>Depois de aplicar as devidas alterações nos conjuntos de dados, podemos separá-los novamente e obter os dados de treino e teste a partir do índice que salvamos no início, treino_ID e teste_ID.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/509/1*2XYgTG2s_1-ZFmLKjGm6nQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/424/1*t2DpDpPQ6c8dSerCix6Kwg.png" /><figcaption>Conjunto de Treino</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/441/1*0RnI_tjfonSkY8vXgE64RA.png" /><figcaption>Conjunto de Teste</figcaption></figure><h4>Implementação do Modelo</h4><p>Esta etapa costuma ser mais rápida de ser realizada, justamente porque a maior parte do tempo foi investido na análise exploratória e tratamento dos dados. Outro fator, é que a implementação dos modelos de machine learning são muito automatizados, sendo necessário apenas algumas linhas de código para treinar, testar e avaliar o modelo.</p><p>Como citado anteriormente, serão implementados os modelos de <strong>Regressão Logística, Árvore de Decisão e Máquina de Vetor de Suporte (SVM)</strong>. Para esta finalidade, será utilizada a biblioteca Scikit-Learn.</p><h4>Regressão Logística</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/660/1*tl3RsnvPx2DI4BUybxELzg.png" /></figure><p>O modelo de regressão logística apresentou uma acurácia de 80,36%.</p><h4>Árvore de Decisão</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/663/1*yPPYG2jtfxp9zwCR0f6zvA.png" /></figure><p>O modelo de regressão logística apresentou uma acurácia de 82,72%.</p><h4>Máquina de Vetor de Suporte — SVM</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/660/1*LpIsxB5ZPo-n8zpsz6mozQ.png" /></figure><p>O modelo de regressão logística apresentou uma acurácia de 78,68%.</p><h4>Submissão dos Resultados na Plataforma Kaggle</h4><p>A última etapa do projeto é submetir as previsões de cada modelo no Kaggle e ver o desempenho.</p><p>Para isso, precisamos gerar os arquivos de submissão.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D12px%26lh%3D140%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520REGRESS%2525C3%252583O%252520LOG%2525C3%25258DSTICA%25250A%25250Asubmission%252520%25253D%252520pd.DataFrame%28%25257B%2527PassengerID%2527%25253A%252520Passenger_ID%25252C%252520%2527Survived%2527%25253A%252520y_pred_LR%25257D%29%25250A%25250Asubmission.to_csv%28%2527.%25252Fsubmission_LR.csv%2527%25252C%252520index%252520%25253D%252520False%29%25250A%25250A%252523%252520%2525C3%252581RVORE%252520DE%252520DECIS%2525C3%252583O%25250A%25250Asubmission%252520%25253D%252520pd.DataFrame%28%25257B%2527PassengerID%2527%25253A%252520Passenger_ID%25252C%252520%2527Survived%2527%25253A%252520y_pred_DT%25257D%29%25250A%25250Asubmission.to_csv%28%2527.%25252Fsubmission_DT.csv%2527%25252C%252520index%252520%25253D%252520False%29%25250A%25250A%252523%252520M%2525C3%252581QUINA%252520DE%252520VETOR%252520DE%252520SUPORTE%252520-%252520SVM%25250A%25250Asubmission%252520%25253D%252520pd.DataFrame%28%25257B%2527PassengerID%2527%25253A%252520Passenger_ID%25252C%252520%2527Survived%2527%25253A%252520y_pred_SVM%25257D%29%25250A%25250Asubmission.to_csv%28%2527.%25252Fsubmission_SVM.csv%2527%25252C%252520index%252520%25253D%252520False%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D12px%26lh%3D140%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520REGRESS%252525C3%25252583O%25252520LOG%252525C3%2525258DSTICA%2525250A%2525250Asubmission%25252520%2525253D%25252520pd.DataFrame%28%2525257B%252527PassengerID%252527%2525253A%25252520Passenger_ID%2525252C%25252520%252527Survived%252527%2525253A%25252520y_pred_LR%2525257D%29%2525250A%2525250Asubmission.to_csv%28%252527.%2525252Fsubmission_LR.csv%252527%2525252C%25252520index%25252520%2525253D%25252520False%29%2525250A%2525250A%25252523%25252520%252525C3%25252581RVORE%25252520DE%25252520DECIS%252525C3%25252583O%2525250A%2525250Asubmission%25252520%2525253D%25252520pd.DataFrame%28%2525257B%252527PassengerID%252527%2525253A%25252520Passenger_ID%2525252C%25252520%252527Survived%252527%2525253A%25252520y_pred_DT%2525257D%29%2525250A%2525250Asubmission.to_csv%28%252527.%2525252Fsubmission_DT.csv%252527%2525252C%25252520index%25252520%2525253D%25252520False%29%2525250A%2525250A%25252523%25252520M%252525C3%25252581QUINA%25252520DE%25252520VETOR%25252520DE%25252520SUPORTE%25252520-%25252520SVM%2525250A%2525250Asubmission%25252520%2525253D%25252520pd.DataFrame%28%2525257B%252527PassengerID%252527%2525253A%25252520Passenger_ID%2525252C%25252520%252527Survived%252527%2525253A%25252520y_pred_SVM%2525257D%29%2525250A%2525250Asubmission.to_csv%28%252527.%2525252Fsubmission_SVM.csv%252527%2525252C%25252520index%25252520%2525253D%25252520False%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/a8a5ded33e7c91175b0ad7a2da8375e5/href">https://medium.com/media/a8a5ded33e7c91175b0ad7a2da8375e5/href</a></iframe><h4>Resultados</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/944/1*3HvSS3mq-B0QoAPk6HkCIw.png" /><figcaption>Modelo: Regressão Logística</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/943/1*Seu2GHpqSqWb_mCrucBSdA.png" /><figcaption>Modelo: Árvore de Decisão</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/943/1*AW3t8jp_aWqVJ_ve6m4CaQ.png" /><figcaption>Modelo: Máquina de Vetor de Suporte</figcaption></figure><p>O modelo que apresentou o melhor resultado foi o de Árvore de Decisão, com score igual a 0,77511.</p><p>É importante ressaltar que estes foram modelos iniciais e que várias alterações podem ser feitas para melhorar os modelos.</p><h4><strong>Você acha que sobreviveria ao naufrágio?</strong></h4><p>Esse é uma das coisas mais atraentes da área de Machine Learning, que é a possibilidade de você testar o modelo em diversos cenários, inclusive sobre você mesmo. Neste caso, submeti algumas informações a meu respeito e pedi para o melhor modelo (árvore de decisão) prever.</p><p>A situação é a seguinte: Considerando que eu embarcaria no porto de Cherbourg, sem acompanhantes e pagando a 3ª classe da viagem.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/660/1*j-vJIzMfEj1le2UVaDuczQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/136/1*T5Ksxk8qdRVFMEEh5KWn2Q.png" /><figcaption>Previsão do modelo</figcaption></figure><p>De acordo com o meu modelo, infelizmente eu não sobreviveria ao naufrágio.</p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://bit.ly/2Z3bmZh"><strong>aqui</strong></a>.</blockquote><h3>Referências</h3><ul><li><a href="https://scikit-learn.org/stable/">scikit-learn</a></li><li><a href="https://www.kaggle.com/c/titanic">Titanic - Machine Learning from Disaster</a></li><li><a href="https://sigmoidal.ai/data-science-titanic-python-1/">Data Science: Investigando o naufrágio do Titanic [Pt. 1] - Sigmoidal</a></li><li><a href="https://www.bbc.com/portuguese/geral-49429434">Expedição revela que o Titanic está se desintegrando</a></li><li><a href="https://pt.wikipedia.org/wiki/RMS_Titanic">RMS Titanic</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b6c579033eee" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Diagnóstico de Doenças Cardiovasculares usando Machine Learning]]></title>
            <link>https://jeffersonverissimo.medium.com/diagn%C3%B3stico-de-doen%C3%A7as-cardiovasculares-usando-machine-learning-4022ad08be8a?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/4022ad08be8a</guid>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[random-forest]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[heart-disease]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Fri, 26 Jun 2020 22:47:03 GMT</pubDate>
            <atom:updated>2020-06-28T20:36:54.790Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*fN7F_U47XUDNRluHWsvkuQ.jpeg" /><figcaption>Fonte: <a href="https://www.hospitaltimes.co.uk/heart-in-the-machine-how-ai-is-transforming-cardiovascular-diagnosis/">Hospital Times</a></figcaption></figure><p>As doenças do coração são alterações no funcionamento do sistema cardíaco e, de acordo com a Organização Mundial da Saúde (OMS), atualmente, mais pessoas morrem anualmente por essas enfermidades do que por qualquer outra causa.</p><p>As doenças cardiovasculares incluem: doença coronariana, doença cerebrovascular, doença arterial periférica, doença cardíaca reumática, cardiopatia congênita, doença reumática, entre outras.</p><p>Diversos fatores de risco estão associados ao desenvolvimento de DCV, os quais podem ser modificáveis ou não modificáveis. Os fatores modificáveis incluem hiperlipidemia, tabagismo, etilismo, obesidade, sedentarismo, má alimentação, etc; já os não modificáveis incluem fatores hereditários, idade, sexo e raça.</p><p>O <a href="https://www.sns.gov.pt/wp-content/uploads/2016/03/DoencasCardiovasculares.pdf"><strong>Instituto Nacional de Saúde</strong></a><strong> </strong>fornece mais detalhes sobre as DCV.</p><h4>Uso de Machine Learning na Detecção de Doenças Cardiovasculares</h4><p>Nos dias atuais, a implementação de técnicas computacionais na área da saúde tem se tornado cada vez mais intensa, com destaque para algoritmos de aprendizado de máquina e redes neurais artificiais. Fazendo-se uso de modelos matemáticos, é possível afirmar ou negar, a partir de um conjunto de dados clínicos, o grau de influência de determinados sintomas no desenvolvimento ou aparecimento de doenças.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/230/1*vn7D0JbIJrEYsvYu9HErMA.png" /></figure><p>Existem hoje várias pesquisas na área de <em>Machine Learning</em> visando a construção de modelos preditivos que ajudem os médicos a descobrirem doenças cardiovasculares em seus pacientes.</p><p>Estudos publicados na revista <em>Nature Biomedical Engineering</em> mostram que algoritmos de <em>Deep Learning</em> foram capazes de antecipar doenças cardíacas em até 5 anos.</p><p>Recentemente, cientistas da Google, em parceria com a Verily, usaram o <em>Machine Learning</em> para analisar um conjunto de dados com quase 300 mil pacientes, a fim de detectar doenças cardiovasculares analisando a parte de trás dos olhos. O algoritmo conseguiu 70% de acerto ao inferir quais pacientes haviam sofrido acidentes cardiovasculares, taxa essa apenas 2% menor em comparação aos métodos tradicionais que precisam de exames de sangue.</p><p>Definitivamente, o uso de Inteligência Artificial tem impactado profundamente a área da saúde, e tem proporcionado aos profissionais médicos insumos de inteligência cada vez mais precisos.</p><h4>Proposta deste Artigo</h4><p>O presente artigo realiza a <strong>implementação de um modelo de<em> Machine Learning</em></strong> para prever quais pacientes, dentro do <em>dataset</em>, possuem doenças cardiovasculares a partir do conjunto de dados da <a href="https://my.clevelandclinic.org/"><strong><em>Cleveland Clinic Foundation</em></strong></a><strong><em> </em></strong>que encontra-se disponível no <a href="https://archive.ics.uci.edu/ml/datasets/heart+Disease">Repositório UCI<em> Machine Learning</em></a>.</p><blockquote>Em outro artigo, realizei análises exploratórias com os mesmos conjuntos de dados. Se você ainda não viu, recomendo fortemente que leia o artigo clicando <a href="https://medium.com/@jeferssonalex07/an%C3%A1lise-explorat%C3%B3ria-de-doen%C3%A7as-cardiovasculares-ad1e0b94f207"><strong>aqui</strong></a>.</blockquote><h4>Aquisição dos Dados</h4><p>Com citado anteriormente, o conjunto de dados processado foi obtido através do <a href="https://archive.ics.uci.edu/ml/datasets/heart+Disease">Repositório UCI<em> Machine Learning</em></a>, ele contém dados de <strong>303 pessoas</strong> divididos em <strong>14 atributos</strong>. O arquivo <strong><em>csv</em></strong> com os dados pode ser baixado <a href="https://raw.githubusercontent.com/carlosfab/curso_data_science_na_pratica/master/modulo_03/heart-disease-uci.csv">neste link</a>.</p><p>Abaixo, podemos visualizar as cinco primeiras linhas do <em>dataset</em> utilizado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/745/1*3M8nUldVvsuSMvakBjrWcw.png" /></figure><p>Para as análises realizadas neste projeto, a principal variável de interesse será num, uma vez que este atributo nos fornece informações se o paciente possui ou não doenças cardiovasculares.</p><p>A descrição de todas as variáveis podem ser encontradas neste <a href="https://archive.ics.uci.edu/ml/datasets/heart+Disease"><strong>link</strong></a>.</p><h4>Implementação do Modelo de Machine Learning</h4><p>Nesta etapa do projeto, é feita a implementação de um modelo de Machine Learning para prever os casos em que um determinado paciente possui doença cardiovascular ou não. Assim, é necessário que o modelo de Machine Learning dê uma classificação ao ser alimentado com diversas variáveis independentes (<em>features</em>).</p><p>Para a criação do modelo de Machine Learning, foi utilizada a biblioteca <strong><em>Scikit-Learn</em></strong>, que possui vários algoritmos de classificação, regressão e agrupamento, incluindo <strong>máquinas de vetores de suporte</strong>, <strong>florestas aleatórias, <em>gradient boosting</em>, <em>k-means</em> e <em>DBSCAN</em></strong>, e é projetada para interagir com as bibliotecas Python numéricas e científicas.</p><p>Você pode conferir os detalhes sobre o <em>Scikit-Learn</em> acessando este <a href="https://scikit-learn.org/stable/">link</a>.</p><h4>Preparação dos Dados</h4><p>Em todos os projetos de Machine Learning a etapa de pré-processamento de dados é fundamental. Aplicando as técnicas corretas para preparação dos dados, podemos aumentar consideravelmente o desempenho dos modelos implementados.</p><p>Para alimentar o modelo de Machine Learning, é necessário separar a variável alvo (dependente) do <em>dataset</em> das demais (independentes).</p><p>Geralmente, as variáveis são divididas como X e y, este projeto adotou o mesmo padrão.</p><p>Após separar as variáveis devidamente, como parte do pré-processamento dos dados, que irão alimentar o modelo de Machine Learning, foi utilizado o <strong><em>StardardScaler</em></strong>, que vem junto com <strong><em>sklearn.preprocessing</em></strong>, para padronizar os dados numéricos.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520IMPORTA%2525C3%252587%2525C3%252583O%252520DAS%252520FERRAMENTAS%252520PARA%252520O%252520PR%2525C3%252589-PROCESSAMENTO%252520DOS%252520DADOS%25250A%25250Afrom%252520sklearn.preprocessing%252520import%252520StandardScaler%25250A%25250A%252523%252520SEPARA%2525C3%252587%2525C3%252583O%252520DAS%252520VARI%2525C3%252581EIS%25250A%25250AX%252520%25253D%252520df_uci.drop%28%2527num%2527%25252C%252520axis%252520%25253D%2525201%29%25250Ay%252520%25253D%252520df_uci.num%25250A%25250A%252523%252520PADRONIZA%2525C3%252587%2525C3%252583O%252520DOS%252520DADOS%252520NUM%2525C3%252589RICOS%25250A%25250AX%252520%25253D%252520StandardScaler%28%29.fit_transform%28X%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520IMPORTA%252525C3%25252587%252525C3%25252583O%25252520DAS%25252520FERRAMENTAS%25252520PARA%25252520O%25252520PR%252525C3%25252589-PROCESSAMENTO%25252520DOS%25252520DADOS%2525250A%2525250Afrom%25252520sklearn.preprocessing%25252520import%25252520StandardScaler%2525250A%2525250A%25252523%25252520SEPARA%252525C3%25252587%252525C3%25252583O%25252520DAS%25252520VARI%252525C3%25252581EIS%2525250A%2525250AX%25252520%2525253D%25252520df_uci.drop%28%27num%27%2525252C%25252520axis%25252520%2525253D%252525201%29%2525250Ay%25252520%2525253D%25252520df_uci.num%2525250A%2525250A%25252523%25252520PADRONIZA%252525C3%25252587%252525C3%25252583O%25252520DOS%25252520DADOS%25252520NUM%252525C3%25252589RICOS%2525250A%2525250AX%25252520%2525253D%25252520StandardScaler%28%29.fit_transform%28X%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/4b99cb50980222419f475cdaaf400eaa/href">https://medium.com/media/4b99cb50980222419f475cdaaf400eaa/href</a></iframe><p>Antes de implementar o modelo, foi feita a divisão do nosso <em>dataset</em> em dados de treino e de teste.</p><p>Essa etapa também é fundamental, uma vez que ela evita que o modelo possa fazer previsões erradas ao “viciar”, em palavras simples, o modelo com um determinado conjunto de dados. Ou seja, quando nós usamos os mesmos dados para treinar e testar nossos modelos, é provável que ele não aprenda a classificar os dados, mas apenas “decorar” as respostas. Assim, ao submeter esse modelo para novos dados, ele não vai conseguir uma boa acurácia.</p><p>Por isso, é fundamental usar dados diferentes para treino e teste.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q3EDtJ0ee2D7jE_tWcCrzA.png" /></figure><p>Neste caso, a separação dos dados foi: 72% para treino e 28% para teste.</p><h4>Modelo Random Forest</h4><p>Random Forest (floresta aleatória) é um algoritmo de aprendizagem supervisionada. Como você pode perceber pelo seu nome, ele cria uma floresta de um modo aleatório.</p><p>Segundo Niklas Donges, em um artigo do Towards Data Science, de modo simples: o algoritmo de florestas aleatórias cria várias árvores de decisão e as combina para obter uma predição com maior acurácia e mais estável.</p><p>Uma grande vantagem do algoritmo de florestas aleatórias é que ele pode ser utilizado tanto para tarefas de classificação quanto para regressão, o que representa a maioria dos sistemas de aprendizagem de máquina atuais.</p><p>Você pode conferir um artigo completo do <strong>Towards Data Science</strong> sobre o modelo Random Forest clicando <a href="https://towardsdatascience.com/understanding-random-forest-58381e0602d2">aqui</a>.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520IMPORTANDO%252520O%252520MODELO%252520RANDOM%252520FOREST%25250A%25250Afrom%252520sklearn.ensemble%252520import%252520RandomForestClassifier%25250A%25250A%252523%252520INSTANCIANDO%252520O%252520MODELO%25250A%25250ARF_model%252520%25253D%252520RandomForestClassifier%28n_estimators%252520%25253D%25252010%25252C%252520criterion%252520%25253D%252520%2527entropy%2527%25252C%252520random_state%252520%25253D%25252042%29%25250A%25250A%252523%252520TREINANDO%252520O%252520MODELO%25250A%25250ARF_model.fit%28X_train%25252C%252520y_train%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520IMPORTANDO%25252520O%25252520MODELO%25252520RANDOM%25252520FOREST%2525250A%2525250Afrom%25252520sklearn.ensemble%25252520import%25252520RandomForestClassifier%2525250A%2525250A%25252523%25252520INSTANCIANDO%25252520O%25252520MODELO%2525250A%2525250ARF_model%25252520%2525253D%25252520RandomForestClassifier%28n_estimators%25252520%2525253D%2525252010%2525252C%25252520criterion%25252520%2525253D%25252520%27entropy%27%2525252C%25252520random_state%25252520%2525253D%2525252042%29%2525250A%2525250A%25252523%25252520TREINANDO%25252520O%25252520MODELO%2525250A%2525250ARF_model.fit%28X_train%2525252C%25252520y_train%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/e72b212e8545ddda9d42945d2974e0db/href">https://medium.com/media/e72b212e8545ddda9d42945d2974e0db/href</a></iframe><h4>Verificando o Desempenho</h4><p>Uma das principais métricas utilizadas para avaliar o desempenho de um modelo de Machine Learning é a acurácia. Contudo, é importante ressaltar que cada caso é particular, com isso, uma boa acurácia nem sempre garantirá que o modelo está bom.</p><p>No caso da detecção de doenças cardiovasculares, o interesse é maximizar o número de verdadeiros positivos e minimizar o número de falsos negativos, apesar de ser uma tarefa difícil de realizar.</p><p>Neste projeto, além da métrica de acurácia também foi utilizada a função <strong><em>classification_report</em></strong> para ver ver o desempenho do modelo sobre as métricas de precisão, <strong><em>recall, f1-score e support</em></strong>.</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fcarbon.now.sh%2Fembed%3Fbg%3Drgba%28255%252C255%252C255%252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%2525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%252523%252520IMPORTA%2525C3%252587%2525C3%252583O%252520DAS%252520FERRAMENTAS%252520DE%252520M%2525C3%252589TRICAS%25250A%25250Afrom%252520sklearn.metrics%252520import%252520classification_report%25250Afrom%252520sklearn.metrics%252520import%252520accuracy_score%25250Afrom%252520sklearn.metrics%252520import%252520confusion_matrix%25250A%25250A%252523%252520REALIZANDO%252520A%252520PREVIS%2525C3%252583O%252520NOS%252520DADOS%252520DE%252520TESTE%25250A%25250Ay_pred%252520%25253D%252520RF_model.predict%28X_test%29%25250A%25250A%252523%252520VIZUALIZANDO%252520A%252520ACUR%2525C3%252581CIA%252520GERAL%25250A%25250Aprint%28%2527%25255BAcur%2525C3%2525A1cia%25255D%252520Random%252520Forest%25253A%2527%25252C%252520accuracy_score%28y_test%25252C%252520y_pred%29%29%25250A%25250A%252523%252520VISUALIZANDO%252520O%252520CLASSIFICATION%252520REPORT%25250A%25250Aprint%28%2527%25255Cn%25255BClassification%252520Report%25255D%252520Random%252520Forest%2527%29%25250A%25250Aprint%28classification_report%28y_test%25252C%252520y_pred%29%29&amp;display_name=Carbon&amp;url=https%3A%2F%2Fcarbon.now.sh%2F%3Fbg%3Drgba%28255%25252C255%25252C255%25252C1%29%26t%3Dblackboard%26wt%3Dbw%26l%3Dpython%26ds%3Dfalse%26dsyoff%3D20px%26dsblur%3D68px%26wc%3Dfalse%26wa%3Dfalse%26pv%3D0px%26ph%3D0px%26ln%3Dfalse%26fl%3D1%26fm%3DHack%26fs%3D14px%26lh%3D133%252525%26si%3Dfalse%26es%3D2x%26wm%3Dfalse%26code%3D%25252523%25252520IMPORTA%252525C3%25252587%252525C3%25252583O%25252520DAS%25252520FERRAMENTAS%25252520DE%25252520M%252525C3%25252589TRICAS%2525250A%2525250Afrom%25252520sklearn.metrics%25252520import%25252520classification_report%2525250Afrom%25252520sklearn.metrics%25252520import%25252520accuracy_score%2525250Afrom%25252520sklearn.metrics%25252520import%25252520confusion_matrix%2525250A%2525250A%25252523%25252520REALIZANDO%25252520A%25252520PREVIS%252525C3%25252583O%25252520NOS%25252520DADOS%25252520DE%25252520TESTE%2525250A%2525250Ay_pred%25252520%2525253D%25252520RF_model.predict%28X_test%29%2525250A%2525250A%25252523%25252520VIZUALIZANDO%25252520A%25252520ACUR%252525C3%25252581CIA%25252520GERAL%2525250A%2525250Aprint%28%27%2525255BAcur%252525C3%252525A1cia%2525255D%25252520Random%25252520Forest%2525253A%27%2525252C%25252520accuracy_score%28y_test%2525252C%25252520y_pred%29%29%2525250A%2525250A%25252523%25252520VISUALIZANDO%25252520O%25252520CLASSIFICATION%25252520REPORT%2525250A%2525250Aprint%28%27%2525255Cn%2525255BClassification%25252520Report%2525255D%25252520Random%25252520Forest%27%29%2525250A%2525250Aprint%28classification_report%28y_test%2525252C%25252520y_pred%29%29&amp;image=https%3A%2F%2Fcarbon.now.sh%2Fstatic%2Fbrand%2Fbanner.png&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;scroll=auto&amp;schema=carbon" width="1024" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/084e021a3a5ca4dfca92cee2ad8a44b7/href">https://medium.com/media/084e021a3a5ca4dfca92cee2ad8a44b7/href</a></iframe><figure><img alt="" src="https://cdn-images-1.medium.com/max/435/1*af3Xo3D8Xz_VeK1dCngnFw.png" /></figure><p><strong>Descrição das métricas</strong></p><ul><li><strong>Precision</strong> — Precisão de previsões positivas..</li><li><strong>Reacall</strong> — Fração de positivos que foram identificados corretamente.</li><li><strong>f1-score</strong> — representa a média harmônica entre precision e recall, sendo 0 o pior valor e 1 o melhor.</li></ul><p>Aparentemente, o modelo apresenta bons resultados nas métricas avaliadas. Contudo, como citado anteriormente, isso não pode garantir totalmente que o modelo seja bom.</p><p>Para complementar a nossa análise de desempenho, é interessante visualizar a <strong>matriz de confusão.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*RwGCqQWYkLNI4y6rnC7zyA.png" /><figcaption>Matriz de confusão</figcaption></figure><ul><li><strong>VP</strong> — Se o paciente tiver doença cardíaca e o modelo prever que possui.</li><li><strong>FP</strong> — Se o paciente não tiver doença cardíaca e o modelo prever que possui.</li><li><strong>FN</strong> — Se o paciente tiver doença cardíaca e o modelo prever que não.</li><li><strong>VN</strong> — Se o paciente não tiver doença cardíaca e o modelo prever que não.</li></ul><p>Os resultados do modelo gerou a seguinte matriz de confusão:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/213/1*cRS1M3Du8E-dhj0pMYFAjQ.png" /></figure><p>A matriz de confusão funciona da seguinte maneira:</p><p>Nas linhas constam os casos reais e nas colunas, as previsões feitas pelo modelo.</p><p>Por exemplo, existem 35 casos realmente negativos e o modelo previu corretamente. Contudo, em 7 casos também negativos, ele previu como positivo.</p><h4>Conclusões</h4><p>Esse exemplo de implementação de modelos de aprendizado de máquina confirma a importância do uso dessas ferramentas no diagnóstico e compreensão das doenças cardiovasculares.</p><p>Em particular, o modelo desenvolvido neste projeto conseguiu uma <strong>acurácia de 84%</strong>, ou seja, a cada 10 pacientes, o modelo conseguiu prever pelo menos 8 casos corretamente.</p><p>É importante ressaltar que diversas outras técnicas podem ser implementadas a fim de melhorar o desempenho do modelo, a partir de melhorias no pré-processamento de dados e escolha de outros métodos de <em>machine learning</em>. A ampliação do conjunto de dados também é fundamental para a melhoria do modelo, uma vez que no presente projeto foi utilizado um conjunto de dados relativamente pequeno, o que dificulta a implementação do modelo.</p><blockquote><em>Confira os códigos deste projeto no meu repositório do GitHub clicando </em><a href="https://bit.ly/2Nu6GFR"><strong><em>aqui</em></strong></a><em>.</em></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4022ad08be8a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise Exploratória de Doenças Cardiovasculares]]></title>
            <link>https://jeffersonverissimo.medium.com/an%C3%A1lise-explorat%C3%B3ria-de-doen%C3%A7as-cardiovasculares-ad1e0b94f207?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/ad1e0b94f207</guid>
            <category><![CDATA[heart-disease]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[doenças-cardiovasculares]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Thu, 25 Jun 2020 16:16:25 GMT</pubDate>
            <atom:updated>2020-06-27T14:26:04.590Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qzLZ5UmtGtckdpInWUknog.png" /><figcaption>Fonte: Freepik</figcaption></figure><blockquote><strong>Você sabia que as doenças cardiovasculares (DCV) são a principal causa de morte no mundo?</strong></blockquote><p>Segundo a Organização Mundial da Saúde (OMS), atualmente, mais pessoas morrem anualmente por essas enfermidades do que por qualquer outra causa. Essas doenças são de caráter sistêmico, o que implica no comprometimento de outros órgãos, em função da circulação sanguínea, como fonte de oxigênio e glicose.</p><p>Diversos fatores de risco estão associados ao desenvolvimento de DCV, os quais podem ser modificáveis ou não modificáveis. Os fatores modificáveis incluem hiperlipidemia, tabagismo, etilismo, obesidade, sedentarismo, má alimentação, etc; já os não modificáveis incluem fatores hereditários, idade, sexo e raça.</p><p>Desta forma, estima-se que cerca de 90% dessas doenças poderiam ser evitadas realizando pequenas mudanças na dieta e estilo de vida, é possível melhorar a saúde do coração e a qualidade de vida.</p><h4>O que são Doenças Cardiovasculares (DCV)?</h4><p>As doenças do coração são alterações no funcionamento do sistema cardíaco, sendo este responsável por transportar oxigênio e nutrientes necessários às células.</p><p>De acordo com a OMS, as doenças do coração incluem</p><ul><li><strong>Doença coronariana: </strong>doença dos vasos sanguíneos que irrigam o músculo cardíaco;</li><li><strong>Doença cerebrovascular:</strong> doença dos vasos sanguíneos que irrigam o cérebro;</li><li><strong>Doença arterial periférica</strong>: doença dos vasos sanguíneos que irrigam os membros superiores e inferiores;</li><li><strong>Doença cardíaca reumática</strong>: danos no músculo do coração e válvulas cardíacas devido à febre reumática, causada por bactérias estreptocócicas;</li><li><strong>Cardiopatia congênita</strong>: malformações na estrutura do coração existentes desde o momento do nascimento;</li><li><strong>Trombose venosa profunda e embolia pulmonar</strong>: coágulos sanguíneos nas veias das pernas, que podem se desalojar e se mover para o coração e pulmões.</li><li><strong>Doença reumática</strong>: infecção causada pelo <em>Streptococcus pyogenes </em>Beta-Hemolítico do Grupo A, que, quando não tratada corretamente, pode afetar o músculo e as valvas cardíacos.</li></ul><p>O <a href="https://www.sns.gov.pt/wp-content/uploads/2016/03/DoencasCardiovasculares.pdf"><strong>Instituto Nacional de Saúde</strong></a><strong> </strong>fornece mais detalhes sobre as DCV.</p><h4>Proposta deste artigo</h4><p>O presente artigo realiza <strong>análises exploratórias </strong>a partir do conjunto de dados <a href="https://my.clevelandclinic.org/"><strong><em>Cleveland Clinic Foundation</em></strong></a><strong><em> </em></strong>que encontra-se disponível no <a href="https://archive.ics.uci.edu/ml/datasets/heart+Disease">Repositório UCI<em> Machine Learning</em></a>.</p><p>É fundamental ressaltar que os dados sigilosos, como nome, documentos pessoais e identidade dos pacientes foram removidos do banco de dados.</p><h4>Obtenção do Dados</h4><p>O conjunto de dados processados contém dados de <strong>303 pessoas</strong> e <strong>76 atributos</strong>. Contudo, os principais artigos e estudos publicados optaram por usar apenas 14 atributos, considerados de maior relevância. <strong>Da mesma maneira, este projeto de <em>Data Science</em> usará essas mesmas 14 variáveis principais.</strong></p><ul><li>O arquivo <strong><em>csv</em></strong> com os dados de 303 pessoas e 14 atributos pode ser baixado <a href="https://raw.githubusercontent.com/carlosfab/curso_data_science_na_pratica/master/modulo_03/heart-disease-uci.csv">neste link</a>.</li><li>O arquivo contendo todos os detalhes e documentação do <em>dataset</em> usado neste projeto se encontra <a href="https://github.com/carlosfab/curso_data_science_na_pratica/blob/master/modulo_03/heart-disease.names">neste link</a>;</li><li>Há também um <em>dataset</em> disponibilizado pela <a href="http://www.cardiometro.com.br/anteriores.asp">Sociedade Brasileira de Cardiologia</a>, que pode ser baixados <a href="https://raw.githubusercontent.com/carlosfab/curso_data_science_na_pratica/master/modulo_03/mortes_doencas_cardiovasculares.csv">neste link</a>, que será utilizado para ver a evolução no número de mortes por doenças cardiovasculares no Brasil (entre os anos de 2004–2017).</li></ul><h4>Análise Exploratória</h4><p>Para realizar a análise inicial do conjunto de dados, foram algumas bibliotecas geralmente utilizadas para esta finalidade:</p><ul><li><strong>Pandas</strong> — manipulação de dados;</li><li><strong>NumPy</strong> — compatível com arranjos, vetores e matrizes de N dimensões; e</li><li><strong>Matplotlib</strong> e <strong>Seaborn</strong> — criação de gráficos e visualização de dados.</li></ul><p>Assim, após a importação dos dados a serem analisados, podemos observar as primeiras linhas do <em>dataset</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/742/1*q1v4uShyA28TV_ov_zQyFA.png" /></figure><p>A descrição detalhada sobre as variáveis do conjunto de dados podem ser encontradas neste <a href="https://archive.ics.uci.edu/ml/datasets/heart+Disease">link</a>.</p><p>Para as análises realizadas neste projeto, a principal variável de interesse será num, uma vez que este atributo nos fornece informações se o paciente possui ou não doenças cardiovasculares.</p><p>Observando as informações sobre os atributos, percebemos que nossa variável alvo (num) possui cinco valores possíveis: [0, 1, 2, 3, 4].</p><p>No entanto, seguindo a maioria das pesquisas que utilizaram esse <em>dataset</em>, iremos considerar apenas duas situações possíveis:</p><ul><li><strong>0</strong> — não há doença cardíaca;</li><li><strong>1</strong> — há doença cardíaca.</li></ul><p>Então, iremos igualar a 1 os valores compreendidos entre 1–4. A partir dessa mudança nos valores da variável num podemos explorar os dados de maneira mais aprofundada.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/457/1*17vvjG8GcgoYYaoKTxLDJw.png" /></figure><p>O conjunto de dados é composto por informações de <strong>206</strong> pacientes do sexo masculino e <strong>97</strong> do sexo feminino. Dos <strong>303 pacientes</strong>, um total de <strong>139</strong> possuem doenças cardiovasculares.</p><p>O <em>dataset</em> apresenta também dados relacionados ao nível de colesterol total dos pacientes. Será que existe alguma relação ou influência dessa variável no nosso estudo?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/726/1*bjZsVDOKi3uevZGFRz2_jg.png" /></figure><p>Apesar de o colesterol ser essencial para os seres humanos, pois ele atua como componente de todas as membranas das nossas células, é fundamental manter o equilíbrio da sua quantidade em nosso corpo. <strong>O nível de colesterol total recomendado é de, no máximo, 200 mg/dL</strong>. E como sabemos, altos níveis de colesterol está relacionado a altos riscos de desenvolvimentos de doenças cardiovasculares.</p><p>Como podemos observar no gráfico acima, <strong>a maior parte dos pacientes possuem nível de colesterol acima do normal</strong>. Além disso, o gráfico de dispersão nos mostra que quanto maior a idade do paciente, maior seu nível de colesterol, sendo esta, uma relação direta.</p><h4>E quanto ao Brasil, qual o cenário apresentado pelos dados?</h4><p>O conjunto de dados referente ao Brasil é ligeiramente menor em comparação aos dados da <a href="https://my.clevelandclinic.org/"><strong><em>Cleveland Clinic Foundation</em></strong></a>, como mostrado abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/258/1*d1xKhNw0cFnx7bESQ_ZRAQ.png" /></figure><p>Vale ressaltar que esta é a visualização das cinco primeiras linhas.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/725/1*kaku_Ih7zdAmPF4HZnhu_g.png" /></figure><p>Como podemos observar através do gráfico acima, as análises dos dados entre os ano de 2004 e 2017 confirmam que há um aumento progressivo no número de mortes por doenças do coração no Brasil, reforçando as preocupações do Ministério da Saúde a respeito dessas doenças, com 2017 atingindo um pouco mais de 380 mil mortes.</p><h4>Conclusões</h4><p>Apesar de todos os esforços das organizações de saúde para reduzir o índice de doenças do coração ao redor do mundo, os números ainda são bastante preocupantes.</p><p>Pudemos observar que, como esperado, existem fortes correlações entre algumas variáveis, como por exemplo, a relação entre a frequência máxima de batimentos e a ocorrência de doença. Outro fator que está diretamente relacionado com a maior parte dos pacientes é o alto nível de colesterol, onde este contribui diretamente para o desenvolvimento de doenças cardiovasculares.</p><p>Entre os anos de 2004 e 2017, percebemos que o número de casos no Brasil subiu ao longo do tempo, o que reforça a importância da adoção de práticas saudáveis por parte dos brasileiros.</p><p>Também podemos entender a importância das análises de dados no processo de compreensão do comportamento das doenças cardiovasculares ao redor do mundo, permitindo a criação de estratégias para a intensificação das pesquisas sobre doenças cardiovasculares e de programas de prevenção.</p><p>Análises mais profundas, usando modelos de aprendizado de máquina, podem a partir de características dos indivíduos, calcular a probabilidade de determinados pacientes possuírem ou desenvolverem doenças cardiovasculares, inclusive auxiliando médicos em diagnósticos mais precisos.</p><p>Confira outro artigo meu, onde implemento um modelo de Machine Learning para prever doenças cardiovasculares clicando <a href="https://medium.com/@jeferssonalex07/diagn%C3%B3stico-de-doen%C3%A7as-cardiovasculares-usando-machine-learning-4022ad08be8a"><strong>aqui</strong></a>.</p><blockquote><em>Confira os códigos deste projeto no meu repositório do GitHub clicando </em><a href="https://bit.ly/2Nu6GFR"><strong><em>aqui</em></strong></a><em>.</em></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ad1e0b94f207" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Estudo de Caso: COVID-19 no Brasil]]></title>
            <link>https://jeffersonverissimo.medium.com/estudo-de-caso-covid-19-no-brasil-de22b19bea?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/de22b19bea</guid>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[timeseries]]></category>
            <category><![CDATA[fbprophet]]></category>
            <category><![CDATA[análise-de-dados]]></category>
            <category><![CDATA[covid19]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Fri, 19 Jun 2020 18:56:48 GMT</pubDate>
            <atom:updated>2020-06-22T12:21:43.542Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*seKwLHhsbGULNBI5f2mSxQ.png" /><figcaption>Imagem adaptada de Flaticon</figcaption></figure><p><strong>A origem do Coronavírus</strong></p><p>Os coronavírus são uma grande família viral, que vem sendo estudada desde a década de 1960, que causam vários tipos doenças infecciosas em animais silvestres, animais de criação e animais de estimação. E os mais recentes hospedeiros, os seres humanos.</p><p>Segundo o Ministério da Saúde, os primeiros coronavírus humanos foram isolados pela primeira vez em 1937. No entanto, foi em 1965 que o vírus foi descrito como coronavírus, em decorrência do perfil na microscopia, parecendo uma coroa.</p><p><strong>Manifestações Clínicas</strong></p><p>Geralmente, em humanos, vários coronavírus causam doenças respiratórias leves ou moderadas, semelhantes a um resfriado comum. Os sintomas podem envolver coriza, tosse, dor de garganta e febre. Contudo, em alguns casos, as pessoas podem desenvolver infecções nas vias respiratórias inferiores, como pneumonia ou doenças mais graves, como a Síndrome Respiratória do Oriente Médio (MERS-CoV) e a Síndrome Respiratória Aguda Grave (SARS-CoV). O coronavírus recentemente descoberto é o causador da doença COVID-19.</p><p><strong>O que é a COVID-19? Quais os seus sintomas?</strong></p><p>É uma doença infecciosa causada pelo novo coronavírus, descoberto recentemente a partir do início do surto em Wuhan, capital e maior cidade da província de Hubei, na China, em dezembro de 2019.</p><p>De acordo com a Organização Mundial da Saúde, os sintomas mais comuns da COVID-19 são febre, cansaço e tosse seca. Sendo que alguns pacientes podem apresentar dores, congestão nasal, dor de garganta e diarreia. As pessoas idosas e as que têm doenças crônicas, como hipertensão ou problemas cardíacos e diabetes, possuem maior probabilidade de desenvolver doenças graves.</p><p><strong>Panorama da COVID-19 no Brasil</strong></p><p>A pandemia do coronavírus teve início oficial no Brasil em 26 de fevereiro de 2020, quando o primeiro caso de infecção foi confirmado pelo Ministério da Saúde. O paciente foi um homem de 61 anos que viajou à Itália, e deu entrada no Hospital Albert Einstein no dia anterior. À essa altura, os casos de COVID-19 estavam avançados no restante do mundo, especialmente nos países europeus e asiáticos. Cerca de um mês depois, o Brasil já registrava mais de 2,4 mil casos de infecção e 57 mortes.</p><p>Atualmente (junho de 2020), o país registra o segundo maior número de casos de COVID-19 no mundo, atrás apenas dos EUA.</p><h3>AQUISIÇÃO DOS DADOS</h3><p><strong>Proposta deste Artigo</strong></p><p>Atualmente, o país enfrenta um problema acerca dos dados relacionados à pandemia, havendo conflitos entre os dados divulgados pelo Ministério da Saúde e governos estaduais. Dificultando ainda mais as análises desses dados, na tentativa de modelar e entender o atual cenário enfrentado pelo Brasil.</p><p>Este <em>notebook</em> apresenta análises exploratória e preditiva baseada nos dados epidemiológicos do coronavírus disponibilizados pela <strong><em>Our World in Data</em></strong> através do seu <a href="https://github.com/owid/covid-19-data/tree/master/public/data">repositório no <em>GitHub</em></a>. A partir de técnicas de previsão de séries temporais, é apresentada uma previsão do comportamento da pandemia da COVID-19 no Brasil.</p><p>Outras bases de dados que podem ser utilizadas para o estudo da COVID-19:</p><ul><li><a href="https://covid.saude.gov.br/">Ministério da Saúde</a></li><li><a href="https://github.com/CSSEGISandData/COVID-19">Johns Hopkins University</a></li><li><a href="https://brasil.io/home/">Brasil.io</a></li></ul><p><strong>Metodologia</strong></p><p>A <strong>análise preditiva</strong> deste projeto foi realizada utilizando uma ferramenta <em>open source</em> desenvolvida pelo Facebook, o <strong>Prophet</strong>, <em>framework</em> de <em>forecasting</em> para séries temporais, que nos permite fazer previsões a partir de um determinado conjunto de dados.</p><p>Você pode conferir os detalhes sobre esta ferramenta neste <a href="https://facebook.github.io/prophet/">link</a>.</p><h3>ANÁLISE EXPLORATÓRIA INICIAL</h3><p>Para esta análise exploratória inicial, será utilizado apenas o seguinte arquivo:</p><ul><li>owid-covid-data.csv</li></ul><p>O conjunto de dados usado neste projeto contém atualizações até o dia <strong>19 de junho de 2020</strong>, e pode ser acessado através deste <a href="https://github.com/jeffersonverissimo/datasets">link</a>. Os dados encontrados nesse <em>dataset</em> apresentam informações a nível global a partir do dia <strong>31 de dezembro de 2019.</strong></p><p>O <em>dataset</em> possui <strong>24.535 linhas</strong> e <strong>34 colunas</strong>.</p><p>Na primeira etapa deste artigo, será realizada uma análise exploratória para o mundo e, sem seguida, particularmente para o Brasil.</p><p><strong>Análise Global</strong></p><p>Uma rápida análise nos dados, nos mostra que a situação em todo o mundo é bem preocupante, onde a curva do número de mortes ainda não chegou ao seu auge. Nos levando a conclusão de que, provavelmente, muitos novos casos continuarão sendo confirmados nos próximos meses.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/660/1*-MeDk_776RMyX1DWuUL45w.png" /><figcaption>Número de mortes por COVID-19 em todo o mundo desde o dia 31/12/2019.</figcaption></figure><p>A partir do cálculo da taxa de mortalidade da doença, podemos ter uma noção do grau de devastação causado pela COVID-19. Em uma primeira análise, podemos achar que pelo fato da <strong>taxa de mortalidade mundial</strong> da doença ser relativamente baixa, apenas <strong>5,39%</strong>, a doença não representa grande ameaça, pensamento esse totalmente equivocado, pois como podemos ver, a propagação do vírus se dá de maneira muito rápida, fazendo com que o número total de mortes suba rapidamente.</p><p>Abaixo, podemos visualizar os cinco países com maiores números de mortes por COVID-19:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/1*ujB8ueu4D9oIeP9gQmisNQ.png" /><figcaption>Top 5 — países com mais mortes por COVID-19</figcaption></figure><h3>ANÁLISE EXPLORATÓRIA PARA O BRASIL</h3><p>O Brasil teve o primeiro caso confirmado da COVID-19 registrado em <strong>26/02/2020</strong> e a primeira morte confirmada foi no dia <strong>18/03/2020.</strong></p><p>O atual cenário da pandemia no Brasil pode ser melhor compreendido através dos gráficos abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/1*XvQLGitD4QzyF_RzdgC-ig.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/720/1*-Wp_H7VjqvpRYQeQG5RJzA.png" /></figure><p>Podemos ver que o cenário atual da pandemia tende a piorar ao longo dos próximos dias ou até meses. Isso é verificado nos baseando no comportamento exponencial do número de casos de infecção confirmados ao até o momento. Diferentemente de vários outros países, o Brasil ainda não alcançou o pico no número de casos ou de mortes, ou seja, os casos ainda não foram estabilizados.</p><p>O Brasil possui uma <strong>taxa de mortalidade de 4,88%</strong>. Assim, podemos observar que a essa taxa no Brasil é menor quando comparado aos números globais. Contudo, ainda assim, o país ocupa o segundo lugar no número de mortes devido à COVID-19 em todo o mundo.</p><h3>ANÁLISE PREDITIVA USANDO O PROPHET</h3><p>Como explicado no começo deste artigo, o Prophet é uma ferramenta desenvolvida pelo Facebook que nos permite realizar previsões a partir de um determinado conjunto de dados, usando os conceitos de séries temporais.</p><p><strong>A análise será realizada apenas para o cenário do Brasil.</strong></p><p>O Prophet trabalha com formatos específicos de colunas. Neste caso, devemos fornecer as informações nos seguintes padrões: ds e y. A coluna <strong>ds</strong> deve estar no formato <strong>AAAA-MM-DD</strong> para datas e a coluna <strong>y</strong> deve ser numérica, esta representa a medida que deseja-se prever.</p><p>Assim, para implementar a ferramenta Prophet na nossa análise, deveremos escolher um único parâmetro para ser avaliado em relação ao tempo. Neste caso, devemos gerar um novo <em>dataset</em> e renomear as colunas para ds e y.</p><p>A análise preditiva realizada pelo Prophet será para 1 mês. Assim, no <em>dataframe</em> antes de gerar os dias de previsão, a última data era 19–06–2020. Depois de gerar os dados de previsão, percebemos que o <em>framework</em> gerou dados até o dia 19–07–2020, ou seja, <strong>30 dias</strong> depois, como especificado.</p><p><strong>E isso também pode ser feito para mais dias.</strong></p><p>Podemos ver o resultado das análises realizadas pelo Prophet no gráfico abaixo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/728/1*c3PMiYPFE2NsOtBgiI7xQw.png" /><figcaption>Dados de predição do número de mortes por COVID-19 gerados pelo Prophet</figcaption></figure><p>O gráfico gerado acima nos mostra os dados atuais (bolinhas pretas), a previsão do Prophet (linha azul) e a margem para mínimo e máximo (faixa azul claro).</p><h3>CONCLUSÕES</h3><p>Uma rápida análise dos dados da COVID-19 nos mostra números realmente assustadores. Atualmente, o mundo registra pouco mais de <strong>8,4 milhões</strong> de infectados. Onde os 5 países com mais infectados são:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/254/1*eGW2OBapwNhWOt72LEEHGw.png" /><figcaption>Top 5 — países com mais infectados</figcaption></figure><p>Já os números de mortes por COVID-19 se apresentam da seguinte forma:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/234/1*a-ByZ2HFcjIdg3qtopkkkw.png" /><figcaption>Top 5 — países com mais mortes</figcaption></figure><p>Apesar de muitos países já estarem aliviando suas medidas de isolamento e voltando a normalidade nas suas atividades, em decorrência do , alguns países, como o EUA e o Brasil, estão com seus números de infectados em constante crescimento.</p><p>Os dados mostram que os países que não aplicaram as medidas de isolamento com rigidez ou demoraram a tomar iniciativas para conter o avanço da COVID-19, atualmente, são os mais atingidos.</p><p><strong>Predição usando o Prophet</strong></p><p>Podemos concluir que o Prophet conseguiu prever de maneira precisa o comportamento das mortes no Brasil até o dia atual. Com isso, podemos esperar que o número de mortes que deverá ocorrer país até o dia 19–07–2020 esteja dentro da faixa da previsão do modelo.</p><p>De acordo com o modelo, a previsão do número de mortes até o dia <strong>19 de julho de 2020</strong> poderá ser:</p><ul><li>Número mínimo de mortes: <strong>72.272</strong></li><li>Número médio de mortes: <strong>76.419</strong></li><li>Número máximo de mortes: <strong>81.252</strong></li></ul><p>Com isso, percebemos que os prováveis cenários para o número de mortes total no Brasil ainda é bem preocupante. Desta forma, devemos seguir as recomendações dos órgãos de saúde, da maneria mais rigorosa possível, para evitar que esses números cresçam.</p><p>A Ciência de Dados é uma poderosa aliada na guerra contra a COVID-19, nos ajudando a entender todo o cenário atual, podendo também prever os possíveis rumos que a pandemia deverá tomar. Além disso, alguns experimentos já mostram a eficácia de algoritmos de <em>Machine Learning</em> e <em>Deep Learning</em> desenvolvidos ao longo dessa pandemia.</p><p><strong>As análises desenvolvidas neste artigo são para fins puramente acadêmicos.</strong></p><blockquote>Confira os códigos deste projeto no meu repositório do GitHub clicando <a href="https://bit.ly/2zN5HNR"><strong>aqui</strong></a>.</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=de22b19bea" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[TROCADORES DE CALOR]]></title>
            <link>https://jeffersonverissimo.medium.com/trocadores-de-calor-2dca02b9fa5?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/2dca02b9fa5</guid>
            <category><![CDATA[engenharia-quimica]]></category>
            <category><![CDATA[trocadores-de-calor]]></category>
            <category><![CDATA[equipamentos-industriais]]></category>
            <category><![CDATA[processos-químicos]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Thu, 11 Jun 2020 13:15:32 GMT</pubDate>
            <atom:updated>2020-06-11T13:16:06.935Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sBHFrRi35Vy5kLKo1ySZ4A.jpeg" /><figcaption>Créditos: <a href="https://artikel-teknologi.com/macam-macam-heat-exchanger-alat-penukar-panas-bagian-1/">Artikel Teknologi</a></figcaption></figure><h3>Trocadores de Calor</h3><p>Trocadores de calor são dispositivos que ocasionam o fluxo de energia térmica entre dois ou mais fluídos em diferentes temperaturas, aplicados em uma vasta diversificação de processos, entre elas, produção de energia; eletrônica, processos químicos e na indústria alimentícia em geral; engenharia ambiental e refrigeradores (KAKAÇ, 2002).</p><p>Portanto, tais equipamentos permitem o aquecimento e resfriamento de fluidos, aplicando-se tal pensamento as correntes separadas por uma parede metálica, excluindo-se os equipamentos que realizam o aquecimento através do contato direto com o fogo ou que realizam mudança de temperatura pela mistura de duas correntes.</p><p>Dentre as inúmeras formas de classificação destes equipamentos, a classificação baseada no tipo de serviço que os trocadores realizam dentro de um processo é de importante valia, sendo descrita por KERN (1999) em sequência:</p><ul><li><strong>Trocadores/Recuperadores</strong>: Recuperam calor entre duas correntes do processo. Imagine que uma corrente A deve ser aquecida, tendo-se disponível uma corrente B, intermediária do processo, a uma temperatura elevada. A corrente B pode fornecer calor para a corrente A em um trocador de calor, parte da energia da corrente B é recuperada ao ser transferida para a corrente A;</li><li><strong>Condensadores</strong>: Removem calor latente de um vapor, utilizando-se, normalmente a água como fluido frio;</li><li><strong>Resfriadores</strong>: Resfriam uma corrente de processo, utilizando água, na maioria dos casos, como fluido refrigerante;</li><li><strong>Aquecedores</strong>: Aquecem uma corrente do processo, utilizando vapor de água saturado, na maioria dos casos, como fluido aquecedor. Óleo térmico também costuma ser empregado;</li><li><strong>Refervedores</strong>: Fornecem energia na forma de vapor (calor latente) para coluna de destilação;</li><li><strong>Evaporadores</strong>: Utilizados para evaporação de água ou de outro solvente para concentrar uma solução;</li><li><strong>Vaporizadores</strong>: Utilizados para vaporização de fluidos, exceto água. Convertem o calor latente ou sensível de um fluido em calor de vaporização de outro.</li></ul><h3>Classificação dos Trocadores de Calor</h3><h4>Classificação em Relação ao Tipo de Mecanismo de Transferência de Calor</h4><p>Segundo KAKAÇ e LIU (2002), os trocadores de calor podem ser classificados de acordo com o processo de transferência de calor que eles executam e desta forma classificam-se em:</p><ul><li><strong>Trocadores de contato direto</strong>: Calor é transferido entre os fluidos quente e frio, proveniente do contato direto entre eles, sem a existência de qualquer parede/barreira, ocorrendo a transferência na região interfacial. Neste tipo de mecanismo, os dois fluídos são líquidos imiscíveis ou combinação de par gás/líquido ou fluido/sistema particulado. Exemplos: Torres de Resfriamento.</li><li><strong>Trocadores de contato indireto</strong>: O calor é transferido entre fluídos quente e frio através de uma superfície de transferência de calor que separam os fluídos, a exemplo de paredes de tubulações. Os fluídos escoam simultaneamente à transferência de calor, sempre separados, sem ocorrer mistura entre as correntes.</li></ul><p>Kreith e Bohn (2011) que trocadores do tipo indireto são predominantemente recuperadores, no qual o fluido quente e frio são separados por uma parede, e o calor é transferido por meio de uma combinação de convecção a partir da parede e de condução através da parede, em outras palavras, são trocadores que fazem a transferência de calor entre dois fluidos, mas separados por uma parede, onde nesta parede o calor é transferido continuamente até a temperatura que se deseja obter.</p><p>A respeito dos trocadores de contato direto complementam que líquidos imiscíveis ou troca de sólido para gás comprometem a transferência de calor entre duas correntes, as frias e as quentes, onde todo esse processo ocorre na ausência de uma parede de separação.</p><p>Dentre os vários tipos de trocadores de calor de contato direto ou indireto empregados em processos industriais, o mais usado é o tipo casco e tubos, em que um fluido se encontra separado do outro por meio de uma parede, através da qual o calor se escoa.</p><p>Existem várias formas destes equipamentos, variando do simples tubo dentro de outro, até os condensadores e evaporadores de superfície complexa. Também tem suas vantagens na fabricação, que são os custos deste equipamento e o seu desempenho térmico, fazendo com que possam ser construídos com superfícies de trocas de calor grande sem comparação com seu volume pequeno (COSTA, 2012).</p><h4>Classificação em Relação ao Tipo de Construção</h4><p>Os trocadores de calor podem ser classificados de acordo com suas características construtivas em trocadores: tubulares, de tubo aletado, de placa, de placa aletada, e regenerativos.</p><p>Os modelos mais recorrentes na literatura conceituados e exemplificados a seguir:</p><ul><li><strong>Trocadores de calor do tipo tubo duplo</strong>: São constituídos de dois tubos, um inserido dentro do outro, concentricamente, formando dois espaços de escoamento, um por dentro do tubo interno e outro pelo espaço anular entre os tubos e externo.</li><li><strong>Trocadores de calor do tipo casco e tubos</strong>: Amplamente utilizados e fabricados em muitos tamanhos, com diferentes arranjos de escoamento e em diversos tipos. Podem operar em extremo domínio de temperaturas e pressões. A facilidade de fabricação e o custo relativamente baixo constituem a principal razão para seu emprego disseminado nas aplicações de engenharia. O modelo mais usual consiste em tubos cilíndricos montados em um casco cilíndrico, com os eixos paralelos ao eixo do casco.</li><li><strong>Trocadores de calor de placas</strong>: Geralmente construídos de placas delgadas, podendo estas serem lisas ou onduladas. Uma vez que a geometria da placa não pode suportar pressões ou diferenças de temperaturas tão altas quanto um tubo cilíndrico, logo, seus valores de temperaturas e pressões de projeto são moderadas. A compacticidade deste trocador situa-se na faixa de 120 à 230 m²/m³.</li><li><strong>Trocados de calor de placas aletada</strong>: Neste tipo a compacticidade é aumentado para cerca de 6.000 m²/m³. As aletas são planas ou onduladas e são separadas por chapas planas. As temperaturas de operação estão limitadas a cerca de 800 °C e pressões máximas de 10 atm.</li><li><strong>Trocadores de calor de tubo aletado</strong>: Operam em alta pressão e possuem extensa superfície, ocorrendo em tubos cilíndricos e tubos chatos. A faixa de operação não deve ultrapassar pressões de 30 atm e em temperaturas de baixas até 870 °C . Neste trocador, porém, a compacticidade é menor que nos trocadores de placas aletados, aproximando-se de 330 m²/m³.</li><li><strong>Trocadores de calor regenerativos</strong>: Podem ser estáticos ou dinâmicos. O tipo estático não possui partes móveis e consiste em uma massa porosa (bolas, seixos, pós, etc) através do qual passam alternadamente fluidos quentes e frios. Os regeneradores de tipo estático podem ser poucos compactos para uso em altas temperaturas (900 à 1500 °C). Os regeneradores dinâmicos por sua vez , possuem uma parte móvel que gira em torno de um eixo de modo que uma parte qualquer passa periodicamente através da corrente quente e, em seguida, através da corrente fria, operando em uma temperatura de até 870 °C.</li></ul><h4>Classificação em Relação à Configuração do Escoamento</h4><p>Incropera (2008) relatam que as configurações das correntes de operação de um trocador de calor são divididas nas configurações paralela, contracorrente e cruzadas e são conceituadas como:</p><ul><li><strong>Configuração paralela</strong>: Os fluidos quente e frio entram mesma extremidade, escoam no mesmo sentido e deixam o equipamento também na mesma extremidade.</li><li><strong>Configuração contracorrente</strong>: Os fluídos entram por extremidades opostas, escoam em sentidos opostos e deixam o equipamento em extremidades opostas.</li><li><strong>Configuração fluxo cruzado</strong>: Alternativamente, os fluidos podem se mover em escoamento cruzado (um fluido escoa perpendicularmente no outro), com ou sem presenças de aletas.</li></ul><h4>As Equações Básicas de Projeto</h4><p>Incropera (2008) relatam que no contexto de dimensionamento de trocadores, as temperaturas de entrada dos fluidos e suas vazões, assim como as temperaturas de saída dos fluidos quente e frias desejadas, estão especificadas, logo, o problema do projeto é especificar o tipo do trocador de calor e determinar a sua dimensão — isto é, a área da área da superfície de transferência (requerida para se alcançar as temperaturas de saída do processo).</p><h4>Determinação da Equação Básica de Projeto</h4><p>KAKAÇ (2002) obtém a equação básica de projeto aplicados ao trocador de calor no trecho abaixo:</p><blockquote><em>A equação a ser utilizada pode ser aplicada aos diversos tipos de trocadores de calor, desde que a transferência de calor ocorra entre dois fluidos separados por uma superfície de transferência térmica. Basicamente a equação será obtida pela análise térmica (taxas calculadas) entre ambas correntes do trocador. Contudo, a análise e seleção de um trocador de calor completa necessita de análise estrutural e econômica. Considere-se que a equação a análise térmica a ser definida determinará a área de troca térmica. Valores de calor transferidos, perdas de pressão e temperatura de saída de correntes do trocador são necessárias caso o trocador não exista, no objetivo de determinar o desempenho deste.</em></blockquote><p>A equação abaixo é a principal expressão utilizada no projeto de trocadores de calor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/156/1*BiQeL3fKvgFts6qNNb5rKA.png" /></figure><p>Onde Q é a taxa de transferência de calor entre os fluidos, A é a área total de transferência, o U é o coeficiente global de transferência de calor aplicado nesta área de transferência total e DeltaTml é a média logarítmica das diferenças de temperatura.</p><p>Os aspectos mais complexos para o projeto de um trocador de calor é inerente a determinação do valor do coeficiente global e da determinação da variação de temperatura entre as correntes dos fluidos envolvidos.</p><p>Contudo, vale ressaltar que existem diversos outros parâmetros, que não foram abordadas neste artigo, que precisam ser determinados para o projeto de um trocador de calor, tais como o coeficiente global de transferência de calor, coeficientes convectivos de transferência de calor, a média logarítmico de temperatura e sua correção, entre vários outros.</p><h3>Dimensionamento</h3><p>Incropera (2008) destaca que no contexto de dimensionamento de trocadores, as temperaturas de entrada dos fluidos e suas vazões, assim como as temperaturas de saída dos fluidos quente e frio desejadas, estão especificadas, logo, o problema do projeto é especificar o tipo do trocador de calor e determinar a sua dimensão — isto é, a área da área da superfície de transferência ( requerida para se alcançar as temperaturas de saída do processo).</p><p>Utilizando-se do valor de área de troca térmica e da equação básica de projeto as dimensões do trocador de calor tornam-se possíveis de obtenção.</p><p>Mais do que entender apenas as equações, fundamentos da transferência de calor e escoamento de fluidos, para projetar um trocador de calor, o engenheiro precisa compreender qual modelo de equipamento melhor atende as necessidades daquele determinado projeto.</p><h4>REFERÊNCIAS</h4><p>COSTA, Rodrigo Caetano. Protótipo de um Recuperador de Calor para Resfriamento Rápido de Gases de Incineração de Resíduos Perigosos. 2012. Tese de Doutorado. Universidade Federal de Viçosa.</p><p>INCROPERA, Frank P. et al. Fundamentos de Transferência de Calor e Massa. 6ª edição. Rio de Janeiro: LTC, 2008.</p><p>KAKAÇ, S.; LIU, H. Heat Exchangers Selection, Rating, and Thermal Design. 2ª Edição. CRC. 2002.</p><p>KERN, D.Q. Processos de Transferência de Calor. 31ª Edição. CECSA — Companhia Editorial Continental. México. 1999.</p><p>KREITH, F.; BOHN, M. S. Princípios de Transferência de Calor. 6. ed. São Paulo — SP: Cengage Learning, 2011.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2dca02b9fa5" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[3 Simuladores de Processos Gratuitos para Engenharia Química]]></title>
            <link>https://jeffersonverissimo.medium.com/3-simuladores-de-processos-gratuitos-para-engenharia-qu%C3%ADmica-cb8d320100d0?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/cb8d320100d0</guid>
            <category><![CDATA[engenharia-quimica]]></category>
            <category><![CDATA[processos-químicos]]></category>
            <category><![CDATA[simuladores]]></category>
            <category><![CDATA[modelagem]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Tue, 09 Jun 2020 15:45:23 GMT</pubDate>
            <atom:updated>2020-06-09T15:53:36.747Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7xYkhV9HXCLKTIB4rkHR6w.jpeg" /><figcaption>Créditos na imagem: <a href="https://checalc.com/">CheCalc</a></figcaption></figure><p>No atual cenário da indústria química mundial, é indiscutível que os profissionais que atuam diretamente nessa área precisam estar se adaptando constantemente às mudanças e evoluções sofridas pelas empresas que tentam inovar cada vez mais nesse setor. Em particular, os Engenheiros Químicos são peças fundamentais para o funcionamento e crescimento das indústrias, uma vez que esses profissionais são responsáveis por projetar e operar instalações de uma planta química.</p><p>Para auxiliar os engenheiros nas suas diversas tarefas, surgem os <em>softwares</em> como ferramentas essenciais para agilizar as atividades desenvolvidas na execução e manutenção de projetos.</p><p>Em contraste com a elevada quantidade de <em>softwares</em> ofertados pelo mercado atualmente, seus preços se tornam um grande empecilho para a maior parte dos estudantes de engenharia em todo o mundo, até mesmo quando algumas universidades possuem as licenças de alguns <em>softwares</em> em seus laboratórios de pesquisa.</p><p>Para contornar isso, o ideal “<em>Open Source</em>”, desenvolvido por Eric Raymond em 1998, vem ganhando cada vez mais força e tem gerado bons frutos na disseminação de <em>softwares</em> gratuitos em todo o mundo. Contudo, vale ressaltar que existem diferenças entre <em>software</em> gratuito, livre e <em>open source</em>.</p><p>Todo esse contexto é fundamental para entendermos a importância dos <em>softwares</em> no cotidiano dos engenheiros e a luta para que as pessoas tenham acesso a bons programas para desenvolver suas pesquisas e trabalhos.</p><p>Desta forma, o presente artigo tem por objetivo mostrar uma visão geral e fazer recomendações de softwares gratuitos que podem ser utilizados por profissionais e estudantes da área de engenharia química como alternativa aos principais programas comerciais da atualidade, reforçando a importância do aprendizado do uso desses<em> softwares</em>.</p><h4>1. COCO Simulator</h4><p>O <em>COCO</em> é um simulador de processos em estado estacionário, gratuito e de código aberto e, que opera de forma sequencial. Desenvolvido pela <em>AmsterCHEM</em> e colaboradores, o software oferece ao usuário uma interface simples e didática. Quando comparado a outros programas comerciais pagos, tais como o <em>Aspen Hysys</em> ou <em>PRO/II</em>, o <em>COCO</em> se destaca especialmente por apresentar bons resultados de simulação exigindo pouco poder computacional.</p><p>O nome “<em>COCO</em>” significa “<em>CAPE-OPEN to CAPE-OPEN</em>”, um padrão de interface que consiste em uma série de especificações para expandir o alcance da aplicação das tecnologias de simulação de processos. A palavra <em>CAPE</em> é o acrônimo para <em>Computer Aided Process Engineering</em>, isto é, Engenharia de Processos Auxiliada por Computadores. Desta maneira, este simulador permite a integração com outros programas, à exemplo do <em>ChemSep </em>(simulador de processos de separação), <em>MATLAB</em>, <em>Excel</em> e <em>SciLab</em>.</p><p>Este <em>software</em> acompanha um pacote de reações cinéticas e um pacote de termodinâmica, permitindo a execução de cálculos e simulação de diversas operações unitárias, como reatores químicos, colunas de destilação, bombas, trocadores de calor, etc.</p><p>No canal do Adilson José de Assis, professor da Universidade Federal de Uberlândia, você poderá ter acesso à uma playlist sobre o simulador COCO. Assista os vídeos clicando <a href="https://www.youtube.com/user/adilsonjassisufu/videos">aqui</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/971/1*j825Kok0DoMZhmeLA5JvCg.png" /><figcaption>Fonte: Extraído do COCO Simulator</figcaption></figure><p>Atualmente, o simulador é compatível apenas com o sistema operacional <em>Windows</em>. Você pode fazer o download gratuito do programa através deste <a href="https://www.cocosimulator.org/index_download.html">link</a>.</p><h4>2. EMSO</h4><p>EMSO é a sigla para <em>Environment for Modeling Simulation and Optimization</em> (do português, Ambiente para Modelagem, Simulação e Otimização). Escrito na linguagem C++, o <em>EMSO</em> teve seu desenvolvimento iniciado em 2001 pelo brasileiro Rafael de Pelegrini Soares, como parte do seu projeto de Mestrado em Engenharia Química, em parceria com a UFRGS e empresas nacionais do setor petroquímico.</p><p>Este poderoso software possui um ambiente gráfico que permite a modelagem matemática de processos em regime estacionário ou transiente para diversos equipamentos industriais. A linguagem de modelagem usada pelo <em>EMSO </em>abrange dois níveis: um baseado em equações e outro baseado em componentes. Sendo que esta é composta ainda por três entidades básicas: <em>Models, Devices e Flowsheets</em>. Essas características possibilitam que o usuário desenvolvam novos modelos dentro do software.</p><p>Você pode acompanhar os detalhes do programa através da referência: <strong>SOARES, R. de P.; SECCHI, A. R. EMSO: A New Environment for Modelling, Simulation and Optimisation.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hzKlU_miwbbVA3E3DlYvJw.png" /><figcaption>Fonte: Extraído do EMSO</figcaption></figure><p>O <em>EMSO</em> apresenta uma interface compatível com a comunicação <em>CAPE-OPEN</em>, permite a exportação de resultados para o <em>Excel, LibreOffice Calc, Matlab/Scilab</em> e, um sistema de <em>plugins</em> onde o usuário pode inserir o código escrito em <em>Fortran, C ou C++</em> nos modelos.</p><p>Para aprofundar seus conhecimentos, você pode consultar o manual do <em>EMSO</em> disponibilizado através deste <a href="http://www.enq.ufrgs.br/alsoc/download/emso/docs/Manual.pdf">link</a>. A <a href="https://www.udemy.com/"><em>Udemy</em></a> possui um curso deste simulador, do nível básico ao avanço, confira <a href="https://www.udemy.com/course/simulador-de-processos-emso/">aqui</a>.</p><p>O programa está disponível para os sistemas Windows e Linux e pode ser baixado clicando <a href="https://www.enq.ufrgs.br/alsoc/download/">aqui</a>.</p><h4>3. DWSIM</h4><p>O <em>DWSIM</em> é um simulador de processos químicos compatível com o padrão <em>CAPE-OPEN</em>, desenvolvido pelo brasileiro Daniel Medeiros, que oferece ao usuário uma interface gráfica moderna e didática, permitindo que os profissionais e estudantes da área de engenharia química possam simular e compreender diversos processos industriais, tudo de maneira gratuita.</p><p>Escrito em <em>VB.NET e C #</em>, o <em>DWSI</em>M apresenta um conjunto abrangente de operações unitárias, modelos termodinâmicos avançados, suporte para sistemas de reação, ferramentas de caracterização de petróleo e uma interface gráfica com todos os recursos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BpPEqhiMLZyFG_-m7PUl4g.png" /><figcaption>Fonte: Site oficial do DWSIM</figcaption></figure><p>Este <em>software</em> é compatível com os sistemas<em> Windows, Linux, macOS, iOS e Android</em>, oferecendo uma experiência completa e semelhante aos principais simuladores comerciais. Desta forma, o usuário pode ter acesso a um poderoso simulador de processos na palma da mão usando um sistema <em>mobile</em>, por exemplo.</p><p>O simulador possui as principais ferramentas: Recursos <em>CAPE-OPEN</em>, modelos termodinâmicos, modelagem e simulação dinâmicas, operações unitárias em estados estacionário e transiente, utilitário de otimização multivariada e análise de sensibilidade e muito mais.</p><p>O download do <em>DWSIM</em> pode ser feito através deste <a href="http://dwsim.inforside.com.br/wiki/index.php?title=Downloads">link</a></p><p>Na engenharia química, os programas computacionais são capazes de resolver problemas como dimensionamento de colunas de destilação, reatores químicos, trocadores de calor ou na simulação de funcionamento de equipamentos. No geral, os programas não apenas facilitam o trabalho, mas também ajudam a evitar erros e distrações que ocorrem naturalmente nos cálculos manuais e que podem provocar impactos irreversíveis em projetos.</p><p>Contudo, vale ressaltar que</p><blockquote>“O software não sabe engenharia química.”</blockquote><p>Desta forma, o conhecimento do engenheiro químico e suas capacidades de analisar, interpretar resultados e solucionar problemas ainda são indispensáveis.</p><p>A ideia geral deste artigo foi apresentar alternativas quanto às restrições orçamentárias ou de licenças comerciais que a maior parte dos programas desenvolvidos para a área de engenharia química apresentam.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=cb8d320100d0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Análise Exploratória dos Dados de Segurança Pública do Rio de Janeiro]]></title>
            <link>https://jeffersonverissimo.medium.com/an%C3%A1lise-explorat%C3%B3ria-dos-dados-de-seguran%C3%A7a-p%C3%BAblica-do-rio-de-janeiro-b24524d17e86?source=rss-ec93f20c3384------2</link>
            <guid isPermaLink="false">https://medium.com/p/b24524d17e86</guid>
            <category><![CDATA[violencia]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[rio-de-janeiro]]></category>
            <category><![CDATA[seguranca-publica]]></category>
            <dc:creator><![CDATA[Jefferson Veríssimo]]></dc:creator>
            <pubDate>Sun, 22 Mar 2020 13:34:25 GMT</pubDate>
            <atom:updated>2020-03-22T13:34:25.355Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*_-q5j-idi37YyVDp5-YlPQ.png" /><figcaption>Adaptado de: <a href="https://img.shoplineapp.com/media/image_clips/5c37016fcbbd7600158ea3d4/original.jpg?1547108718">https://img.shoplineapp.com/media/image_clips/5c37016fcbbd7600158ea3d4/original.jpg?1547108718</a></figcaption></figure><p>O Estado do Rio de Janeiro é conhecido por oferecer uma das melhores experiências turísticas do mundo, apresentando diversas atrações históricas, naturais e culturais. A sua capital, que possui o mesmo nome, é o destino mais procurado por estrangeiros que visitam o Brasil a lazer. O Estado se estende por mais de 43.780 km² e apesar de ser um dos menores estados brasileiros, concentra quase 9% da população do país, sendo a terceira maior, com cerca de 17,2 milhões de habitantes. O RJ também apresenta o segundo maior Produto Interno Bruto (PIB) do país (R$ 671,3 bilhões em 2019) e ocupa o quarto lugar no Índice de Desenvolvimento Humano (IDH).</p><p>O Rio de Janeiro oferece atrações para todos os gostos, o turista pode desfrutar o dia pelas praias, parques, museus ou curtir a noite em teatros, shows e estádios de futebol. À primeira vista, o RJ parece realmente um ótimo lugar para curtir em qualquer época do ano. Mas será que o Estado oferece uma boa segurança?</p><p><strong>O Rio de Janeiro é Perigoso?</strong></p><p>Para conseguir responder esta pergunta, a partir dos meus estudos de ciência de dados, fiz uma análise exploratória dos dados de violência no estado do Rio de Janeiro utilizando informações extraídas dos conjuntos de dados disponibilizados pelo Instituto de Segurança Pública do Governo do RJ através do <a href="http://www.ispdados.rj.gov.br/">portal ISPDados</a>, que vem cadastrando os dados desde o ano de 1991.</p><p>Acessando <a href="http://www.ispdados.rj.gov.br/estatistica.html">este link</a>, você pode ter acesso a diversos conjuntos de dados de segurança pública do Rio de Janeiro, inclusive o <em>dataset</em> que foi utilizado para realizar o presente projeto para realizar sua própria análise.</p><p>Neste artigo, apresento as principais conclusões obtidas da análise. Contudo, você pode ver o projeto em seus mínimos detalhes, incluindo gráficos mostrando o comportamento dos dados ao longo dos anos e todos os códigos através <a href="https://github.com/jeffersonverissimo/Data_Science/blob/master/An%C3%A1lise_Explorat%C3%B3ria_dos_Dados_de_Viol%C3%AAncia_do_Rio_de_Janeiro.ipynb">deste link</a><strong>.</strong></p><p>No ano de 2019 tivemos os totais de<strong> 154.521 casos de furtos</strong> e <strong>199.347 casos de roubos</strong>. Até a data de publicação deste artigo, o ano de 2020 já registrou 14.644 furtos e 15.881 roubos no estado do Rio de Janeiro. Os últimos anos vêm apresentando uma diminuição significativa nesses índices, apesar de ainda serem considerados alarmantes.</p><p>Considerando todos os casos de furto de veículos registrados, obtemos uma <strong>média de 1.668,3</strong> furtos de 1991 até o presente de 2020. Já os roubos atingem a <strong>média de 2.456,55</strong> casos. Sendo que diante desses ocorridos, houve um percentual de cerca de <strong>43,02%</strong> de veículos recuperados.</p><p>O gráfico abaixo mostra o comportamento dos números totais de casos de roubos e furtos ao longo do tempo no RJ.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/932/1*FpRpZBq_BG8bVI5jw0DvVw.png" /></figure><p>O cenário de violência no RJ se estende também para o comércio, bancos e residências pessoais. Considerando todo o histórico de ocorrências o ano de 2014 registrou o maior número de Roubos de Comércios (7.742 ocorridos), enquanto o ano de 1992 foi o que apresentou a maior quantidade de Roubos de Residências (3.080 ocorridos) e 1995 teve o maior registro de Roubos de Bancos (440 ocorridos). O ano de 2019 (ano mais recente com a base de dados completa), apresenta uma grande redução em todos os casos analisados acima, registrando 5.000, 1.125 e 21 casos, respectivamente.</p><p>Os ocorrências de <strong>homicídios dolosos</strong>, ou seja, quando há a intenção de matar, apresentou seu ápice em 1995, tendo sido registrados 8438 casos no Rio de Janeiro.<strong> O ano de 2019 teve 3.995 casos contabilizados</strong>, o que corresponde a uma redução de <strong>19,3% em relação a 2018</strong>. <strong>O ano de 2020 já registrou 349 homicídios dolosos no estado.</strong></p><p>A partir da presente análise realizada, podemos concluir que, apesar de várias políticas de segurança públicas terem sido implantadas no Rio de Janeiro desde 1991, o estado ainda enfrenta um cenário preocupante, apresentando altos índices de violência englobando diversas situações.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b24524d17e86" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>