Este projeto utiliza o algoritmo K-Nearest Neighbors (KNN) para classificar dados de Wi-Fi. O objetivo é prever a classe de uma determinada observação com base nas medidas de sinal de várias redes Wi-Fi.
O projeto utiliza as seguintes bibliotecas Python:
- numpy: Usada para manipulação de arrays e operações matemáticas.
- pandas: Usada para manipulação e análise de dados.
- matplotlib: Usada para criação de gráficos e visualizações de dados.
- seaborn: Usada para melhorar a estética e a visualização dos gráficos matplotlib.
- sklearn: Usada para implementar o algoritmo K-Nearest Neighbors (KNN) e várias funções de avaliação de modelos.
#Como o Código Funciona
-
Carregamento dos dados: O código começa carregando os dados do arquivo ‘wifi.csv’ localizado no diretório ‘/content/sample_data’.
-
Pré-processamento dos dados: Os dados são então normalizados para terem média zero e desvio padrão um. Isso é feito para garantir que todas as características tenham a mesma escala.
-
Modelagem: Um modelo KNN é criado e ajustado aos dados normalizados. O número de vizinhos é definido como 4.
-
Predição: O modelo é usado para prever a classe de uma nova observação.
-
Avaliação do modelo: O modelo é avaliado usando várias métricas, incluindo acurácia, precisão, recall e F1-score. A avaliação é feita usando validação cruzada estratificada.
-
Matriz de confusão: Uma matriz de confusão é plotada para visualizar o desempenho do modelo.