Aulas

• 01 - 1. Revisando a importação da base usando o pandas cloud_download
• 02 - 2. Revisando a visualização do scatter plot com o matplotlib cloud_download
• 03 - 3. Criando uma reta capaz de separar os dados em 2 classes diferentes cloud_download
• 04 - 4. (Opcional) Entendendo a reta criada para classificar os pontos cloud_download
• 05 - 5. Criando uma função que classfica os dados usando a reta gerada pelo scatter plot cloud_download
• 06 - 6. Avaliando um modelo de classificação cloud_download
• 07 - 7. A matriz de confusão para um modelo de classificação cloud_download
• 08 - 8. Acurácia, precisão e recall em um modelo de classificação cloud_download
• 09 - 9. Gerando a matriz de confusão no Scikit-Learn (avaliando modelos de classificação) cloud_download
• 10 - 10. Calculando acurácia, precisão e recall no Scikit-Learn (avaliando modelos de classificação) cloud_download
• 11 - 11. Avaliando os dados de TREINO do modelo que criamos cloud_download
• 12 - 12. Avaliando os dados de TESTE do modelo que criamos cloud_download
• 13 - 13. Usando o train_test_split do Scikit-Learn para separar os dados em treino e teste cloud_download
• 14 - 14. Usando o train_test_split e avaliando o modelo criado cloud_download
• 15 - 15. Explicando o que é uma Árvore de Decisão cloud_download
• 16 - 16. Entendendo a classificação dos dados utilizando a Árvore de Decisão cloud_download
• 17 - 17. Importando e tratando os dados do projeto 3 (iris) para aplicarmos diferentes modelos de classificação cloud_download
• 18 - 18. Separando em treino e teste e analisando os dados de TREINO cloud_download
• 19 - 19. Traçando uma reta capaz de separar os dados de TREINO cloud_download
• 20 - 20. Criando uma árvore de decisão capaz de separar os dados de TREINO cloud_download
• 21 - 21. Avaliando os dados de TESTE para os dois modelos criados cloud_download