Nota visual 09 - K-Nearest Neighbors (KNN)

Mapa de síntese

Mapa conceitual

flowchart LR
  A[Problema] --> B[Dados e representação]
  B --> C[Método]
  C --> D[Avaliação]
  D --> E[Decisão]
  classDef base fill:#e9eafb,stroke:#2435a0,color:#17215e;
  class A,B,C,D,E base;

Conceitos em sequência

  1. Preparação dos dados: Titanic train.csv; atributos Pclass, Sex, Age, SibSp, Parch, Fare e Embarked; alvo Survived.
  2. Ausências e outliers: Imputação de mediana/moda segundo a coluna; outlier não é automaticamente erro.
  3. Codificação: OneHotEncoder para categorias nominais; ColumnTransformer e Pipeline evitam inconsistências.
  4. Evitar vazamento: Treino/teste antes de aprender mediana, escala e parâmetros da transformação.
  5. KNN: Distância aos exemplos de treino, ordenação, k vizinhos e voto majoritário.
  6. Escala e seleção de k: StandardScaler e validação cruzada k-fold; escolher k sem consultar conjunto de teste.

Revisão de 30 segundos

O algoritmo é apenas uma parte do processo. A representação dos dados, as hipóteses do classificador e a avaliação condicionam a validade das conclusões.

Erros conceituais frequentes

  • Usar o teste para escolher parâmetros ou transformações.
  • Tratar acurácia como critério universal de qualidade.
  • Confundir descrição de um algoritmo com garantia de desempenho.

Revisão de 1 minuto

Explique o objetivo do método, as informações necessárias, uma limitação e como avaliá-lo em dados não observados.

Checklist

  • [ ] Consigo explicar os conceitos centrais sem consultar os slides.
  • [ ] Distingo treinamento, validação e teste.
  • [ ] Sei apontar a escolha metodológica específica desta aula.
  • [ ] Consigo relacionar esta aula às anteriores.

Estudo guiado