Skip to content

Roteiro — Árvore de Decisão: Consumo de Gadgets e e-waste

Objetivo

O objetivo deste roteiro é aplicar aprendizado supervisionado (Decision Tree) para classificar países e anos como “Verdes” ou “Sujos”, de acordo com o comportamento entre gastos com gadgets e geração de e-waste.

Documentar cada etapa (EDA → Pré-processamento → Split → Treino → Avaliação → Conclusão) com evidências (gráficos e métricas).

Montagem do Roteiro

Os pontos "tarefas" são os passos que devem ser seguidos para a realização do roteiro. Eles devem ser claros e objetivos. Com evidências claras de que foram realizados.

Etapa 1: Exploração dos Dados

  • Estatísticas descritivas, tipos, nulos.
  • Visualizações principais.
  • Evidências:
  • Distribuição do target
  • Correlação (heatmap)

Tela do Dashboard do MAAS

Dashboard do MAAS

Conforme ilustrado acima, a tela inicial do MAAS apresenta um dashboard com informações sobre o estado atual dos servidores gerenciados. O dashboard é composto por diversos painéis, cada um exibindo informações sobre um aspecto específico do ambiente gerenciado. Os painéis podem ser configurados e personalizados de acordo com as necessidades do usuário.

Etapa 2: Pré-processamento

  • Limpeza, imputação, criação do rótulo (1=Verde, 0=Sujo), normalização quando necessário.
  • Evidências: descrição do pipeline e contagens pós-limpeza.

App

Etapa 3: Divisão dos Dados

Split treino/teste com random_state e stratify (se aplicável). - Evidências: tamanhos dos conjuntos.

Etapa 4:Treinamento do Modelo

  • DecisionTreeClassifier com hiperparâmetros informados.
  • Evidência: Árvore de decisão

Etapa 5: Avaliação do Modelo

  • Métricas: accuracy, precision, recall, f1, ROC-AUC, matriz de confusão.
  • Evidências:
  • Curva ROC
  • Matriz de confusão

import os, matplotlib.pyplot as plt IMG_DIR = os.path.join(os.path.dirname(file), "img") os.makedirs(IMG_DIR, exist_ok=True)

exemplo de salvamento (substitua plt.show()):

plt.tight_layout(); plt.savefig(os.path.join(IMG_DIR, "arvore_decisao.png"), dpi=200); plt.close()

repita com nomes: target.png, heatmap.png, roc.png, confusion.png

Exemplo de diagrama

architecture-beta
    group api(cloud)[API]

    service db(database)[Database] in api
    service disk1(disk)[Storage] in api
    service disk2(disk)[Storage] in api
    service server(server)[Server] in api

    db:L -- R:server
    disk1:T -- B:server
    disk2:T -- B:db

Mermaid

Questionário, Projeto ou Plano

Esse seção deve ser preenchida apenas se houver demanda do roteiro.

Discussões

Quais as dificuldades encontradas? O que foi mais fácil? O que foi mais difícil?

Conclusão

O que foi possível concluir com a realização do roteiro?