O algoritmo K-NN é um método de classificação e regressão que se baseia na proximidade de pontos de dados em um espaço de características. Ele é amplamente utilizado em aprendizado de máquina e mineração de dados.
O principal objetivo deste projeto é criar um programa em Python que faça uso do algoritmo K-Nearest Neighbors (KNN) para classificar dados com base em características específicas. Os dados de treinamento são pré-divididos em três categorias: Promotor, Neutro e Detrator.
- Python: Para a implementação do código.
- Jupyter: Para a criação e execução de notebooks interativos.
- Git e GitHub: Para o controle de versão e hospedagem do código.
Durante o desenvolvimento deste projeto, enfrentamos e superamos os seguintes desafios:
- Coordenação da Equipe: Garantir uma comunicação eficaz e coordenar as atividades entre os membros do grupo para garantir que cada um contribuísse com suas habilidades e conhecimentos individuais no projeto.
- Tomada de Decisões: Tomar decisões em equipe, como a escolha do valor de K e a definição das funções, exigiu discussões e consenso para alinhar as abordagens de todos.
- Criação do Algoritmo KNN: Desenvolver o algoritmo K-Nearest Neighbors (KNN) a partir do zero sem depender de bibliotecas do Python exigiu um entendimento profundo da teoria por trás do KNN e a capacidade de traduzir esse conhecimento em código funcional.
- Classificação e Moda: Desenvolver funções para classificação com base nas distâncias e para calcular a moda das classes dos vizinhos mais próximos foi um desafio técnico.
- Gustavo Amorim
- João Victor Lemos da Silva
- Maressa Karen Henrique da Silva
- Mariana Franz Marroquim
- Wellington Soares Lopes