vrolim / datamining Goto Github PK

Usar o sklearn (LogisticRegression, DecisionTree).

Podemos até usar mais alguns para efeito de comparação construindo um pipeline para isso.

-periodo do dia
-etc...

Acurácia, matriz de confusão, f1....roc...

Analisar os dados. Horários e dias mais comuns de consulta, distribuição dos dados, etc.

Criação de três novos conjuntos de dados:
1 - dummy dos bairros
2 - dummy dos bairros + zonas administrativas (pode ser numerica ou dummy)
3 - zonas administrativas (pode ser numerica ou dummy)

Obs.: pode-se converter features categoricas para numericas usando dicionario por exemplo.

Buscar base com informações dos bairros em relação a população, pobreza, entre outras características, e combinar com dataset de no-show.

-semana do ano
-dia da semana
-etc...

Separar o conjunto de dados em treinamento e teste.
teste = última semana.
treinamento = todo o resto.

Após a separação dos dois novos conjuntos, deixar a parte a feature data (não exluir, pq essa informação é importante para apoio a decisão do lado do cliente).

-verificar a possibilidade de setorizar os bairros, ver se existe alguma separação por zona da cidade
-verificar se são bairros do estado do ES.

-p-value
-histogramas
-correlação de variaveis

Utilizar a função da lib e gerar o gráfico.