🤖 Fase 4 – Modelagem dos Algoritmos

Na Fase 4 da metodologia CRISP-DM, aplicamos técnicas de aprendizado de máquina para construir modelos preditivos capazes de identificar estudantes com risco de evasão escolar. O foco desta etapa está na seleção, treinamento e comparação de diferentes algoritmos de classificação supervisionada.

---

🧪 Preparação para modelagem

Antes do treinamento, os dados passaram por:

• Transformação da variável-alvo em binária
• Codificação de variáveis categóricas
• Separação em conjuntos de treino e teste (70% / 30%), com estratificação para manter a proporção da variável Class.

from sklearn.model_selection import train_test_split

X = df.drop("Class", axis=1)
y = df["Class"]

x_train, x_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, stratify=y, random_state=42
)

---

🧠 Algoritmos utilizados

Foram testados seis modelos supervisionados clássicos, escolhidos por sua representatividade, popularidade e desempenho em problemas de classificação:

Modelo	Tipo	Biblioteca
Random Forest	Ensemble de Árvores	sklearn.ensemble
Regressão Logística	Linear Probabilístico	sklearn.linear_model
Naive Bayes (Gaussian)	Probabilístico	sklearn.naive_bayes
SVM (Support Vector Machine)	Classificação por margens	sklearn.svm
Gradient Boosting	Boosting de Árvores	sklearn.ensemble
MLP (Rede Neural)	Rede Neural Multicamadas	sklearn.neural_network

---

⚙️ Treinamento dos modelos

modelos = [
    RandomForestClassifier(n_estimators=100, random_state=42),
    LogisticRegression(max_iter=1000),
    GaussianNB(),
    svm.SVC(),
    GradientBoostingClassifier(n_estimators=100),
    MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes=(15,), max_iter=1000)
]

modelos_treinados = [modelo.fit(x_train, y_train) for modelo in modelos]

Obs.: Utilizamos tratamento de exceção para capturar eventuais falhas em tempo de execução, mantendo a execução contínua.

---

🧾 Considerações sobre os modelos

• Random Forest: robusto e com bom desempenho em variáveis categóricas
• Logistic Regression: altamente interpretável, base para comparação
• GaussianNB: rápido, porém com suposições fortes de independência
• SVM: útil para margens máximas, mas sensível a escala
• Gradient Boosting: geralmente muito eficaz, porém mais lento
• MLPClassifier: rede neural leve, eficaz com tuning adequado

---

🧠 Escolha do melhor modelo

A seleção foi baseada na métrica acurácia, com a seguinte função:

from sklearn.metrics import accuracy_score
acuracias = [accuracy_score(y_test, modelo.predict(x_test)) for modelo in modelos_treinados]
melhor_modelo = modelos_treinados[np.argmax(acuracias)]

---

✅ Conclusões da Fase 4

• Todos os modelos foram treinados com sucesso
• A acurácia foi medida de forma uniforme e padronizada
• O melhor modelo foi salvo para reutilização e implantação futura

---

🔙 Voltar à Home