<?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 Lucasmeirelles on Medium]]></title>
        <description><![CDATA[Stories by Lucasmeirelles on Medium]]></description>
        <link>https://medium.com/@lucasmeirelles1235?source=rss-efbbfc391434------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*xh5tTj3ubhgqyOke</url>
            <title>Stories by Lucasmeirelles on Medium</title>
            <link>https://medium.com/@lucasmeirelles1235?source=rss-efbbfc391434------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 07:02:11 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@lucasmeirelles1235/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[Um breve tutorial sobre pipelines.]]></title>
            <link>https://medium.com/@lucasmeirelles1235/um-breve-tutorial-sobre-pipelines-70b1bc35a5e5?source=rss-efbbfc391434------2</link>
            <guid isPermaLink="false">https://medium.com/p/70b1bc35a5e5</guid>
            <category><![CDATA[sklearn-pipeline]]></category>
            <category><![CDATA[sklearn]]></category>
            <category><![CDATA[pipeline]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[Lucasmeirelles]]></dc:creator>
            <pubDate>Wed, 19 Jun 2024 01:07:16 GMT</pubDate>
            <atom:updated>2024-06-19T10:59:08.222Z</atom:updated>
            <content:encoded><![CDATA[<p>Olá, meus/minhas chapas, tudo bem com vocês? Ando bastante ocupado com meus estudos de desenvolvimento, mas estou voltando com meus estudos de DataScience e hoje resolvi fazer algo que nunca havia feito nessa rede, escrever um artigo. Aqui, vou ensinar pra vocês como criar pipelines da forma que aprendi com nosso saudoso mestre <a href="https://medium.com/u/5da4fd61571c">Cainã Max Couto da Silva</a> .</p><p>Primeiramente o que são pipelines? Pipelines são estruturas de códigos criadas para facilitar nossa modelagem de machine learning. Com os pipelines podemos tratar nossos dados utilizando encoders, scalers e imputers para dummyzar, normalizar e imputar dados em datasets, respectivamente, assim como podemos rodar e treinar um modelo. Bem, como diria a bruxa do pica-pau: e la vamos nós!</p><p>Primeiramente vamos falar dos módulos que iremos utilizar para gerar os pipelines, todas serão da biblioteca do scikit-learn. Primeiro, utilizaremos o módulo compose para importarmos a função ColumnTransformer. Essa função será a responsável por tratar nossas colunas para podermos rodar nossos modelos, além de transformar dados para melhorar a performance dos mesmos, como por exemplo, utilizar o StandardScaler para normalizar dados numéricos, e o OneHotEncoder para dummyzar dados categóricos. Essa função irá receber nossos transformadores (encoders, scalers, etc) além de receber as colunas nas quais serão aplicados os transformadores e assim criaremos um preprocessador para realizar as transformações.</p><p>O outro módulo que iremos utilizar é ele, o astro dessa noite, que conquista o coração de garotinhas e inspira marmanjos por onde passa, nosso herói, nosso escolhido, o nosso trapézio descendente (pois é que a gente quer, é ele que a gente está buscando), o módulo pipeline. Daqui, iremos utilizar a função Pipeline, ela irá receber nossos modelos e nossos preprocessadores depois realizaremos o treinamento com base nos nossos datasets de treino e teste.</p><p>OBS: Não farei análise gráfica nesse artigo, irei direto ao ponto, ou seja, vou apenas criar pipeline e mostrar o passo a passo.</p><p>Enfim vamos ao passo a passo:</p><p>1- Primeiro importaremos nossas bibliotecas, modulos e métodos</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HH0Egbc8QhDOAgcYbWzsDg.png" /><figcaption>Aqui, importamos os métodos clássicos (Pandas e Numpy) além de outros métodos que utilizaremos mais pra fente.</figcaption></figure><p>2- Agora importaremos nosso dataset. O dataset escolhido foi um dataset de seguros que mostra quanto cada pessoa gasta (charges) de acordo com as features: idade (age), sexo (sex), índice de massa corporal (bmi), número de filhos (children), se é fumante ou não (smoker) e qual região dos EUA a pessoa vive(region).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/688/1*4kSj-m0TYokpuD3GlBOT7Q.png" /><figcaption>Importando o dataset</figcaption></figure><p>3- Agora nos vamos separar nossas features do target e nossos dados de treino e teste, os dois ultimos utilizaremos nosso querido train_test_split:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yHE2Cowht6c9kZ0Hkyj4kw.png" /><figcaption>Observem que colocamos as features em caixa alta, isso é uma boa prática do python para dizermos que aquela variável é constante, ou seja, não será alterada durante o código.</figcaption></figure><p>4- Agora vamos instanciar nossos transformadores, nosso preprocessador e nosso pipeline. Para dados categóricos utilizamos o OneHotEncoder com os seguintes parâmetros, drop=’if_binary’ para, no caso de colunas que possuam apenas duas variáveis, ele criará apenas uma coluna contendo 0 para uma categoria e 1 para outra, por exemplo, na coluna sexo do nosso dataframe, temos apenas valores masculinos e femininos, caso não colocássemos esse parâmetro, o encoder criaria duas colunas, uma para valores masculinos e outra para feminino, sendo que na coluna masculino, 1 seria para dados masculinos e 0 para femininos e na coluna para valores femininos o inverso. O parâmetro handle_unknown=’ignore’ impede que o OneHotEncoder retorne um erro caso encontre valores desconhecidos nos dados de teste, já o sparse_output=False serve para especificar que a saída do codificador deve ser uma matriz densa (ou seja, um numpy array) em vez de uma matriz esparsa (ou seja, uma matriz onde a maioria dos elementos são zeros e que é armazenada de uma forma que economiza espaço).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*a48gTn88lQf36xtF9Kvlzg.png" /><figcaption>Instanciando o OneHotEncoder com os parâmetros desejados.</figcaption></figure><p>Para o transformador numérico, utilizaremos o MinMaxScaler, lembrando que aqui eu não estou escolhendo o melhor encoder ou o melhor scaler, como estou escrevendo esse artigo apenas para fins didáticos para ajudar quem deseja aprender um pouco mais sobre pipelines e até mesmo para uso próprio futuro, não vou me ater a esses detalhes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0cCuaEYT4VoALUXZQ-XRKw.png" /><figcaption>Instânciando MinMaxScaler</figcaption></figure><p>Logo após, instanciaremos nosso querido preprocessador com a função ColumnTransformer. Essa função irá receber uma lista de tuplas contendo o nome do transformador ( você pode dar o nome que quiser, pode chamar de Zeca Urubu, Jubileu, Nazaré Tedesco, Coiote (do papaléguas), o que desejar), o transformador e as colunas do dataset em que cada um deles irá atuar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XBzGXFjkRvf5aQ0GmCd3NA.png" /><figcaption>set_config(transform_output=”pandas”)Coloquei aqui o set_config do sklearn para, em vez de me retornar uma matriz numpy, me retornar um dataframe do pandas.</figcaption></figure><p>Por fim, instanciaremos nosso pipeline. Nosso astro da noite, receberá como parâmetros uma lista de tuplas, assim como nosso preprocessador, só que, dessa vez, cada tupla irá conter apenas o nome que você desejar dar a cada elemento (aqui vale o mesmo que o nome dos tranformadores) e a instância do elemento ou o próprio elemento que iremos utilizar no pipeline, aqui colocamos nosso preprocessador e o modelo escolhido para a demonstração foi o GradientBoostingRegressor(). Por fim treinamos nosso pipeline com os dados de treino e teste.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HOXhzBs_dCI_gt4r_R09kw.png" /><figcaption>Instanciando nosso pipeline.</figcaption></figure><p>5- Com nosso pipeline criado e treinado, podemos instanciar nossas previsões:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HWIsghaXkETM8vMeGHDEsg.png" /></figure><p>E também podemos criar um dataframe com os dados de teste para observar as previsões:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nQPBxLPxbbNu7vibyXjCvA.png" /><figcaption>Instanciando novo dataframe com os dados de teste.</figcaption></figure><p>Bem, como diria o Gaguinho: Ppppppor hoje é tutututudo pepepessoal. Tenham uma boa semana meus/minhas chapas e espero que esse artigo ajude vocês em seus estudos futuros.</p><p>E é isso… Até mais.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=70b1bc35a5e5" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>