Drug Classification by Random Forest

Modelo de random forest classifier

Objetivo:

Classificar a droga mais adequada para determinados pacientes.

Explicação do modelo:

O modelo de machine learning escolhido para esse dataset foi a floresta aleatória, que é um método de aprendizado baseado em árvores de decisão. A floresta aleatória cria várias árvores de decisão a partir de subconjuntos aleatórios dos dados de treinamento e combina suas previsões por meio de votação. Esse método tem algumas vantagens, como:

• Não requer suposições sobre a distribuição dos dados ou a forma da função de decisão;
• É robusto a ruídos e outliers nos dados;
• Pode lidar com variáveis categóricas e numéricas;
• Pode estimar a importância das variáveis para a previsão.

O objetivo do modelo é prever qual tipo de droga é mais adequado para um paciente, com base em suas características. As variáveis independentes são:

• Age - Idade do paciente em anos;
• Sex - Gênero do paciente (masculino ou feminino);
• BP - Nível de pressão arterial do paciente (baixo, normal ou alto);
• Cholesterol - Nível de colesterol do paciente (normal ou alto);
• Na_to_K - Proporção entre sódio e potássio no sangue do paciente.

A variável dependente é:

• Drug - Tipo de droga recomendada para o paciente (drugA, drugB, drugC, drugX ou drugY).

O modelo foi avaliado usando os dados de teste, que correspondem a 30% do dataset original. Os resultados foram os seguintes:

• Acurácia: 100% - O modelo acertou todas as previsões nos dados de teste;

• Validação cruzada: 96% - O modelo teve uma média de 96% de acurácia, que é uma técnica para verificar a generalização do modelo em diferentes subconjuntos dos dados;

• Recall: 100% - O modelo identificou corretamente todos os casos positivos de cada classe de droga nos dados de teste.

Esses resultados indicam que o modelo tem um bom desempenho e pode ser usado para prever o tipo de droga mais adequado para um paciente, com base em suas características.

Observação:

Este projeto tem fins apenas educacionais e não deve ser usado em casos reais, pois o modelo foi treinado usando dados fictícios.

Banco de dados utilizado: https://www.kaggle.com/datasets/prathamtripathi/drug-classification

Qualquer dúvida entre em contato:

• Email: dev.venicius1912@gmail.com
• LinkedIn: www.linkedin.com/in/venicius-santana-lima