Para exemplificar o uso da biblioteca Sklearn, vamos criar uma massa de dados com 200 observações. Esta massa de dados terá apenas uma variável preditora (x) e uma variável alvo (y).

# Importando a função para geração de dados
from sklearn.datasets import make_regression

# Parâmetros para a criação da massa de dados
n_samples = 200
n_features = 1
noise_level = 30

# Gerando a massa de dados
x, y = make_regression(n_samples=n_samples, n_features=n_features, noise=noise_level)
  • noise: O parâmetro noise desempenha um papel crucial na determinação da variabilidade ou dispersão dos dados em relação a uma linha de tendência ideal.

  • n_features = 1: Este parâmetro especifica o número de características (ou variáveis independentes) que cada observação terá.

  • n_samples = 200: Este parâmetro determina o número total de observações (ou pontos de dados) que queremos no nosso conjunto de dados.


Construção do Modelo de Machine Learning:

Uma vez que temos os dados preparados, podemos prosseguir para a criação do modelo de aprendizado de máquina. No nosso exemplo, faremos uso da regressão linear disponível na Sklearn.

# Importando o módulo necessário para a criação do modelo
from sklearn.linear_model import LinearRegression

# Criação do modelo de regressão linear
modelo = LinearRegression()

A função LinearRegression() é usada para criar o modelo. Se não indicarmos nenhum parâmetro específico ao chamar esta função, serão utilizadas as configurações padrão.


Treinamento do Modelo:

Com o modelo definido, o próximo passo é treiná-lo usando nossos dados. Isso é feito com o método fit().

# Treinando o modelo com os dados
modelo.fit(x, y)

Após a execução deste método, o objeto "modelo" estará treinado e pronto para fazer previsões.


Método predict():

O método predict() é um dos métodos centrais de muitos modelos de machine learning, especialmente em contextos de regressão e classificação. Depois de treinar um modelo, usamos o método predict() para obter previsões baseadas em novos dados que o modelo ainda não viu.

Aplicação no Contexto

Considerando um modelo de regressão linear que foi treinado usando um conjunto de dados, composto por variáveis independentes ( x ) e uma variável dependente ( y ):

  1. O método predict() toma um ou mais valores de ( x ) como entrada.
  2. Ele então processa esses valores usando o modelo treinado e produz previsões correspondentes para ( y ).

Exemplo:

Imaginemos que temos um modelo de regressão linear treinado, chamado modelo. Para fazer previsões para um novo conjunto de valores ( x ) (por exemplo, chamado x_novo), faríamos o seguinte:

y_predito = modelo.predict(x_novo)

Neste exemplo, y_predito conterá as previsões de ( y ) para cada valor em x_novo.

Interpretação:

Ao usar predict() em valores de ( x ), o que estamos fazendo é perguntar ao nosso modelo: "Dado o que você aprendeu durante o treinamento, qual seria sua estimativa ou previsão para ( y ) quando ( x ) é este valor específico?". O modelo então fornece uma resposta baseada no conhecimento que adquiriu durante o treinamento.

Função plot()

O pacote pyplot faz parte da biblioteca matplotlib, que é uma das principais bibliotecas de visualização de dados em Python.

Explicação:

  • plt.scatter(): Esta função é usada para criar um gráfico de dispersão. No contexto de regressão, normalmente usamos isso para visualizar os dados originais (pontos reais).

  • plt.plot(): Esta função é usada para desenhar linhas (ou marcar pontos) em um gráfico. No contexto da regressão, podemos usar isso para desenhar a linha de regressão (reta) para visualizar o ajuste do modelo aos dados.

Exemplo de Código:

Suponhamos que você já treinou um modelo de regressão linear e agora deseja visualizar os dados originais junto com a reta de regressão:

plt.scatter(x,y)
plt.plot(x, modelo.predict(x), color='red', linewidth=3)
plt.show()
  1. plt.scatter(x, y):

    • Esta função cria um gráfico de dispersão.
    • x e y são, respectivamente, os dados das variáveis independentes e dependentes.
    • O gráfico mostrará pontos individuais representando cada par de valores (x, y) nos dados originais.
  2. plt.plot(x, modelo.predict(x), color='red', linewidth=3):

    • Esta função desenha uma linha no gráfico.
    • x são os valores da variável independente.
    • modelo.predict(x) retorna as previsões do modelo para cada valor de x. Essas previsões formarão a linha de regressão no gráfico.
    • color='red' especifica que a cor da linha será vermelha.
    • linewidth=3 determina a espessura da linha, tornando-a mais grossa que o padrão.
  3. plt.show():

    • Esta função exibe o gráfico. Até que essa função seja chamada, as alterações são apenas acumuladas e não são mostradas.

Resultado Esperado:

Ao executar este código:

  • Um gráfico será exibido com pontos representando os dados originais (x, y).
  • Uma linha vermelha (representando a reta de regressão) será traçada através dos pontos, mostrando a tendência dos dados conforme previsto pelo modelo.
  • O contraste entre os pontos e a linha vermelha permitirá ao espectador avaliar visualmente o quão bem o modelo se ajusta aos dados.

Esse tipo de visualização é frequentemente utilizado para avaliar a qualidade do ajuste de um modelo de regressão linear aos dados. Se a linha vermelha passar próxima da maioria dos pontos, isso indica que o modelo tem um bom ajuste. Se houver muitos pontos distantes da linha, isso pode indicar problemas no ajuste do modelo ou na natureza dos dados.