Nesta atividade, você atuará como cientista de dados em uma empresa de biotecnologia, que busca desenvolver um sistema inteligente para identificar automaticamente espécies de flores com base em características físicas.
Antes da aplicação de qualquer modelo de Machine Learning, será realizada uma análise visual exploratória com o objetivo de:
- Compreender padrões nos dados
- Identificar os atributos mais relevantes
- Justificar as escolhas com base em evidências gráficas
A empresa está criando um aplicativo de identificação de flores via IA, que auxiliará biólogos e jardineiros. Sua missão como parte da equipe de dados é:
- Analisar o conjunto de dados
iris.csv - Identificar atributos relevantes para distinguir as espécies (Setosa, Versicolor, Virginica)
- Propor um modelo adequado de machine learning com base na análise
- Quais atributos são mais relevantes para distinguir as espécies?
- Existem padrões claros entre as classes?
- Há sobreposição entre espécies em algum gráfico?
- Que tipo de modelo você recomendaria e por quê?
Explorar visualmente o conjunto de dados Iris para identificar padrões entre espécies de flores.
- 📊 Desenvolver habilidades de visualização e interpretação de dados
- 🧠 Estimular o pensamento crítico na escolha de atributos e modelos
- 🔍 Compreender a importância da análise exploratória
- 🤖 Relacionar teoria com a prática em Machine Learning
- Python instalado ou uso do Google Colab
- Bibliotecas:
pandas,matplotlib,seaborn
- Carregamento do dataset:
import pandas as pd url = "https://raw.githubusercontent.com/oalbertocavalcante/aprendizagemdemaquina/main/iris.csv" df = pd.read_csv(url)