{ "fetched_at": "2026-10-20T08:24:30Z", "source_url": "https://www.kaggle.com/competitions/cap-394-exercicio-de-analise-de-dados/data", "pages": [ { "name": "data-description", "content": "# Descrição dos dados\n\nOs dados são dividos em dois arquivos:\n\n- `treino.csv`: Dados que devem ser utilizados para treinar o modelo de ML;\n- `teste.csv`: Dados que devem ser utilizados para avaliar a generalização do modelo de ML.\n\n## Atributos\n\n- **id:** Identificação única da linha (não use este atributo para treinar seu modelo)\n- **label:** 's' (Sugi forest), 'h' (Hinoki forest), 'd' (Mixed deciduous), 'o' (Other) \n- **b1:** Banda do verde corresponde ao mês de setembro de 2010\n- **b2:** Banda do vermelho corresponde ao mês de setembro de 2011\n- **b3:** Banda do infravermelho próximo corresponde ao mês de setembro de 2011\n- **b4:** Banda do verde corresponde ao mês de Março de 2011\n- **b5:** Banda do vermelho corresponde ao mês de Março de 2011\n- **b6:** Banda do infravermelho próximo corresponde ao mês de Março de 2011\n- **b7:** Banda do verde corresponde ao mês de Maio de 2011\n- **b8:** Banda do vermelho corresponde ao mês de Maio de 2011\n- **b9:** Banda do infravermelho próximo corresponde ao mês de Maio de 2011\n- **pred_minus_obs_S_b1** *até* **pred_minus_obs_S_b9**: Bandas espectrais ponderadas espacialmente (Valores espectrais previstos (Com base na interpolação espacial) subtraído dos valores espectrais reais para a classe 's');\n- **pred_minus_obs_H_b1** *até* **pred_minus_obs_H_b9**: Bandas espectrais ponderadas espacialmente (Valores espectrais previstos (Com base na interpolação espacial) subtraído dos valores espectrais reais para a classe 'h').\n\n**Atributos extras adicionados para o exercício de análise de dados**\n\nNo conjunto de dados, os atributos `x` e `y`, representam respectivamente, `latitude` e `longitude` (EPSG 4326). Esses atributos foram gerados de forma sintética (Através de amostragem aleatória na região de estudo do artigo), devendo ser utilizado apenas na disciplina para o treino de tecnicas de visualização de dados espaciais.\n\n## O que fazer com os dados?\n\nO conjunto de treinamento `treino.csv` deve ser usado para construir os modelos de aprendizagem de máquina. Para o conjunto de treinamento, fornecemos o resultado (também conhecido como a \"verdade em terra\") para cada classe. O seu modelo deverá fazer a identificação de tipos de árvores.\n\nO conjunto `teste.csv` deve ser usado para verificar a capacidade de generalização do modelo criado. Com base nos resultados obtidos através deste modelo, você deverá submeter seus resultados.\n- Fique atento ao formato de envio. O documento deve conter as colunas `Id` e `label`.\n", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Descrição", "content": "# CAP 394 - Exercício de análise de dados\n\nEste exercício foi criado para estimular os alunos a **fazer análise de dados**. Para isso, propoe-se como atividade, a aplicação das etapas de análise de dados vistas durante as aulas em um conjunto de dados, com o objetivo de fazer a **limpeza** e **organização** desses dados, de modo que eles possam ser utilizados como entrada para o treinamento de um modelo de Aprendizado de Máquina.\n\n## Sobre o conjunto de dados\n\nNeste exercício, foi selecionado para uso o conjunto de dados de Sensoriamento Remoto sobre tipos de florestas. Os dados foram publicados por [Johnson *et al.*, (2012)](https://www.tandfonline.com/doi/full/10.1080/01431161.2011.629637?scroll=top&needAccess=true), no artigo denominado \"Using geographically weighted variables for image classification\". Os dados foram gerados a partir de imagens de Sensoriamento Remoto das florestas de Ibaraki Prefecture, no Japão. As imagens utilizadas são apresentadas abaixo.\n\n![](https://musing-boyd-a187c4.netlify.app/study_area.png)\n\nAs imagens apresentadas acima foram imageadas pelo sensor ASTER a bordo do satélite Terra, nos períodos de Setembro de 2010, Março de 2011 e Maio de 2011, respectivamente. \n\n## Agradecimentos\n\nDurante a criação do material recebemos muitas ajudas, uma fundamental foi a do professor Dr. Rafael Santos. Obrigado! ", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "rules", "content": "Para esse exercício, a regra principal é:\n\n - Divirtam-se", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Objetivo", "content": "# Objetivo\n\nSeu trabalho é fazer a predição de diferentes tipos de florestas:\n- **s** - Abreviação de `Sugi` - Plantio de Florestas\n- **h** - Abreviação de `Hinok` - Plantio de Florestas\n- **d** - Abreviação de `Mixed deciduous`- Floresta natural mista de folhas largas \n- **o** - Abreviação de `Others` - Tipo de dados não-floresta, como ruas, construções, etc\n\nCada um dos três tipos de floresta tem diferentes usos econômicos e valores de conservação ambiental, sendo assim, um mapeamento eficiente é importante para a conservação do meio ambiente.\n\nCertifique-se que, para cada linha do conjunto de dados `test.csv`, há um rótulo que represente um desses tipos de florestas em seu arquivo de submissão.\n\n## Métrica\n\nA pontuação da sua submissão é a porcentagem de acertos que seu modelo de classificação foi capaz de predizer. Isso é conhecido como **[acurácia](https://scikit-learn.org/stable/modules/model_evaluation.html#accuracy-score)**:\n\n![](https://latex.codecogs.com/gif.latex?%5Ctexttt%7Bacuracia%7D%28y%2C%20%5Chat%7By%7D%29%20%3D%20%5Cfrac%7B1%7D%7Bn_%5Ctext%7Blinhas%7D%7D%20%5Csum_%7Bi%3D1%7D%5E%7Bn_%5Ctext%7Blinhas%7D%7D%201%28%5Chat%7By%7D_i%20%3D%20y_i%29)\n\nEm que:\n\n![](https://latex.codecogs.com/gif.latex?%5Chat%7By_i%7D) = é o valor predito para linha ***i***; \n![](https://latex.codecogs.com/gif.latex?y) = é o valor verdadeiro;\n\n## Submissão\n\nUma vez que o modelo de Aprendizado de Máquina é utilizado para classificar os dados do arquivo `teste.csv`, para verificar a qualidade dos resultados, você deverá fazer o envio desses resultados para o Kaggle.\n\nPara isso, organize o resultado em uma tabela com os atributos `id` e `label`. Em seguida, exporte essa tabela para um arquivo `.csv` e então faça o envio para o Kaggle na seção *Submissions*. Esse formato de organização dos resultados é apresentado abaixo:\n\n

O arquivo deve conter um cabeçalho e ter o seguinte formato:

\n
id,label
1,d
2,o
3,h
4,s
etc
\n\n**Lembre-se**: O arquivo com os dados de teste (`teste.csv`), possui **314 linhas** (além do cabeçalho). Caso você faça a submissão de um arquivo com mais ou menos linhas, o Kaggle não poderá calcular o resultado de seu modelo.", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Tips", "content": "# Dicas\n\nEsta seção tem algumas dicas que podem te ajudar a começar a manipular os dados.\n\n## Classificação\n\nO problema proposto é relacionado a classificação de dados. Para obter um bom resultado é preciso verificar a importância dos atributos dentro do conjunto de dados. 👌 \n\n## Leitura dos arquivos de treino e teste\n\n- Em `Python`\n```python\nimport pandas as pd\n\ntreino = pd.read_csv(\"treino.csv\")\nteste = pd.read_csv(\"teste.csv\")\n```\n\n- Em `R`\n```R\ntreino <- read.csv(\"train.csv\")\nteste <- read.csv(\"test.csv\")\n```\n## Escrita do arquivo de submissão\n\n- Em `Python`\n\n```python\n# df é o DataFrame com os dados\ndado_predicao.to_csv(\"submission.csv\", index = False)\n```\n\n- Em `R`\n\n```R\nwrite.table(dado_predicao, \"submission.csv\", row.names = F, sep = \",\")\n```\n\n## Transformação de atributos para geometria\n\n- Em `Python`\n\n```python\nimport pandas as pd\nimport geopandas as gpd\n\ntreino = pd.read_csv(\"treino.csv\")\n\ngpd.GeoDataFrame(\n treino, geometry = gpd.points_from_xy(treino.X, treino.Y), crs = 4326\n)\n```\n\n- Em `R`\n\n```R\nlibrary(readr)\nlibrary(sf)\n\ntreino <- readr::read_csv(\"treino.csv\")\n\nsf::st_as_sf(treino, coords = c(\"X\", \"Y\"), crs = 4326)\n```\n\n# Links úteis\n\n- Dúvidas na manipulação e limpeza dos dados, consulte o material de [introdução à análise de dados](https://dataat.github.io/introducao-analise-de-dados/)\n\n- Dúvidas no uso dos algoritmos de Machine Learning, veja nosso exemplos: \n - [Cluster hierarquico](https://www.kaggle.com/oldlipe/intro-ml-r-hiererquico-worcap2020)\n - [Classificação com árvore de decisão](https://www.kaggle.com/phelpsmemo/intro-ml-python-decisiontree-worcap2020)\n - [Regressão linear](https://www.kaggle.com/lordadriano/intro-ml-python-linear-regression-worcap2020)", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false } ] }