wine-quality

🍷 Classificação de Qualidade de Vinhos com Árvore de Decisão

Exercício Prático: Aplicação de Machine Learning para Resolução de Problemas Reais

---

🎯 Objetivo do Exercício

Aplicar o algoritmo de Árvore de Decisão (um modelo supervisionado) para classificar a qualidade de vinhos, utilizando atributos químicos e físicos de um dataset rotulado. O exercício envolve o pipeline completo de Machine Learning, desde a preparação de dados até a avaliação de desempenho, implementado em Python no Google Colab.

---

📚 Técnicas de Machine Learning Utilizadas

• Algoritmo de Classificação: Árvore de Decisão (Decison Tree).
  • Justificativa: Adequado para classificação com dados tabulares, oferecendo interpretabilidade visual do modelo de decisão.
• Balanceamento de Dados: Oversampling.
• Seleção de Features: Aplicação de CFIS (Conformal Feature Importance Selection) para identificar os atributos mais impactantes.

---

🛠️ Passos de Desenvolvimento no Google Colab

1. Escolha do Problema Real

O problema consiste em classificar a qualidade do vinho (em uma escala de 0 a 10) com base em variáveis como acidez, pH, teor alcoólico, etc.

2. Preparação e Pré-Processamento de Dados

• Os datasets de vinhos tinto e branco foram carregados e combinados.
• Limpeza de Dados: Verificação e remoção de dados nulos e duplicatas.
• Normalização de algumas variáveis.

3. Balanceamento de Dados

• Devido à grande desproporção entre as classes de qualidade no dataset original, a técnica de oversampling foi aplicada.
• Objetivo: Garantir que todas as classes de qualidade estivessem igualmente representadas para evitar um modelo tendencioso.

4. Treinamento e Otimização do Modelo

• Escolha do Algoritmo: Árvore de Decisão.
• Seleção de Features (CFIS): Utilizado para encontrar as features que realmente impactam o problema, otimizando recursos e resultados.
• Experimentação de Modelos: Foi realizada a fase de Model Experimentation para verificar os melhores algoritmos.
• Otimização de Hiperparâmetro: Análise e escolha da melhor quantidade de níveis máximo da árvore (max_depth), definindo 20 níveis como o ponto de estabilização ótimo, minimizando processamento desnecessário sem perda de desempenho.

5. Avaliação de Desempenho

• O modelo foi treinado com o dataset de treino e avaliado com o dataset de teste.
• Métricas Utilizadas: Precisão (precision), Recall, F1-Score e Acurácia (accuracy).
• Análise Visual: Geração da Matriz de Confusão para avaliar visualmente como o modelo classifica as diferentes qualidades.

---

💡 Contextualização e Justificativa

Contexto

A classificação da qualidade do vinho é um problema complexo com grande relevância prática na indústria vitivinícola, onde a qualidade é um fator crítico para o preço e aceitação no mercado.

Justificativa da Árvore de Decisão

O modelo de Árvore de Decisão foi escolhido por ser:

• Simples e Eficaz para este tipo de classificação.
• Interpretabilidade: Permite uma interpretação visual clara das decisões sequenciais tomadas pelo modelo, o que é crucial para problemas onde entender o processo é fundamental.

Vantagens da Árvore de Decisão:

• Fácil de interpretar e visualizar.
• Não exige grandes volumes de dados de treinamento.
• Lida bem com dados numéricos e categóricos.
• Pode ser usada tanto para classificação quanto para regressão.

---

📊 Análise de Desempenho e Conclusão

Hipóteses Iniciais

• O modelo de árvore de decisão classificaria corretamente as classes mais representativas com alta precisão.
• O oversampling teria um impacto positivo na performance.
• As métricas de desempenho seriam essenciais para avaliar e aprimorar o modelo.

Resultados e Análise

• O modelo demonstrou uma boa capacidade de classificação geral.
• Algumas classes, especialmente nas extremidades da escala de qualidade, apresentaram uma precisão mais baixa.
• Overfitting Identificado: Foi notada uma diferença maior que 10% entre a acurácia do treino e do teste, indicando um overfitting.

Conclusão e Próximos Passos

A implementação foi bem-sucedida, e o balanceamento de classes foi eficaz. Para aprimorar o modelo e reduzir o overfitting, técnicas mais avançadas como Random Forest ou SVM (Support Vector Machine) podem ser exploradas em trabalhos futuros.

---

🔗 Referências

Dataset Utilizado

O dataset foi obtido no UCI Machine Learning Repository:

• Link de Acesso: https://archive.ics.uci.edu/dataset/186/wine+quality

Algoritmo Implementado

O código completo, implementado no Google Colab, está disponível para consulta e execução:

• Link do Colab: https://colab.research.google.com/drive/1wmUd3xYIK3YrdCuvcXco9fa07G_91jvV?usp=sharing
• Anexado na tarefa do Teams o arquivo .ipynb e os datasets .csv.