{"metadata":{"kernelspec":{"language":"python","display_name":"Python 3","name":"python3"},"language_info":{"pygments_lexer":"ipython3","nbconvert_exporter":"python","version":"3.6.4","file_extension":".py","codemirror_mode":{"name":"ipython","version":3},"name":"python","mimetype":"text/x-python"}},"nbformat_minor":4,"nbformat":4,"cells":[{"cell_type":"code","source":"# This Python 3 environment comes with many helpful analytics libraries installed\n# It is defined by the kaggle/python Docker image: https://github.com/kaggle/docker-python\n# For example, here's several helpful packages to load\n\nimport numpy as np\nimport pandas as pd\nimport seaborn as sns\nimport sklearn.datasets as ds\nimport matplotlib.pylab as plt\n# Input data files are available in the read-only \"../input/\" directory\n# For example, running this (by clicking run or pressing Shift+Enter) will list all files under the input directory\n\nimport os\nfor dirname, _, filenames in os.walk('/kaggle/input'):\n    for filename in filenames:\n        print(os.path.join(dirname, filename))\n\n# You can write up to 20GB to the current directory (/kaggle/working/) that gets preserved as output when you create a version using \"Save & Run All\" \n# You can also write temporary files to /kaggle/temp/, but they won't be saved outside of the current session","metadata":{"_uuid":"8f2839f25d086af736a60e9eeb907d3b93b6e0e5","_cell_guid":"b1076dfc-b9ad-4769-8c92-a6c4dae69d19","execution":{"iopub.status.busy":"2022-07-26T00:49:04.363611Z","iopub.status.idle":"2022-07-26T00:49:04.364324Z","shell.execute_reply.started":"2022-07-26T00:49:04.363993Z","shell.execute_reply":"2022-07-26T00:49:04.364028Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"df = (\n    pd.concat(ds.fetch_openml(data_id=151,as_frame=True, return_X_y=True), axis=1)\n    .rename(columns={'date':'date_normalized'})\n    .assign(date=lambda x:pd.date_range(\"1996-05-07\", periods=len(x), freq=\"30min\"))\n    .assign(target=lambda x: (x['class']=='UP')*1)\n    .sort_values(['date','day','period']) \n)\ndf","metadata":{},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"## Decision Tree","metadata":{}},{"cell_type":"markdown","source":"#### Descrição do algoritmo","metadata":{}},{"cell_type":"markdown","source":"1 - Para todo o dataset testa-se a variável target, para uma determinada métrica de decisão (Gini,Entropia,RMSE,MAE,chi-quadrado)\n\n2 - Seleciona-se a variável que resultou na melhor métrica de decisã e divide o dataframe a partir do valor da variável que apresentou melhor desempenho na métrica de decisão\n\n3 - Repete-se o processo para o restante do dataset","metadata":{"execution":{"iopub.status.busy":"2022-07-26T00:49:04.366994Z","iopub.status.idle":"2022-07-26T00:49:04.368340Z","shell.execute_reply.started":"2022-07-26T00:49:04.368002Z","shell.execute_reply":"2022-07-26T00:49:04.368035Z"}}},{"cell_type":"markdown","source":"### Critérios de parada da árvoe","metadata":{}},{"cell_type":"markdown","source":"1 - Se todos os exemplos forem do mesmo target (caso classificação) \n\n2 - Não existir mais features para divisão \n\nOtimizando o critério de paradaa:\n\n1 - Limitando a profundidade da árvore (Parametro max_depht)\n\n2 - Limitando a quantidade de observações necessárias para a divisão (min_samples_spliti)\n\n3 - Dividindo apenas quando houver ganho de inforamção \n\n4 - Definindo o parametro de complexidade da árvore (maiores valores desse parâmetro aumentam o valor de nós removidos","metadata":{}},{"cell_type":"code","source":"","metadata":{},"execution_count":null,"outputs":[]}]}