Scribd
Carregar
3 visualizações5 páginas

Portfólio de IA com Python 2025

O documento é um portfólio de IA com Python apresentado por Caique de Lucena Albuquerque no curso de Engenharia da Computação. Ele inclui um código que utiliza um modelo de Random Forest para prever a satisfação do cliente com base em dados de um dataset. O trabalho abrange desde a importação de bibliotecas até a avaliação do modelo e a realização de previsões.

Enviado por

223132023
Direitos autorais
© All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd
3 visualizações5 páginas

Portfólio de IA com Python 2025

O documento é um portfólio de IA com Python apresentado por Caique de Lucena Albuquerque no curso de Engenharia da Computação. Ele inclui um código que utiliza um modelo de Random Forest para prever a satisfação do cliente com base em dados de um dataset. O trabalho abrange desde a importação de bibliotecas até a avaliação do modelo e a realização de previsões.

Enviado por

223132023
Direitos autorais
© All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd

...............................................................................................................................

IA COM PYTHON

CAIQUE DE LUCENA ALBUQUERQUE - RA:223132023

IA com Python

Engenharia da Computação

Guarulhos
2025
CAIQUE DE LUCENA ALBUQUERQUE - RA:223132023

PORTFÓLIO DE IA COM PYTHON

Trabalho apresentado ao CURSO do Centro Universitário


ENIAC para a disciplina de AI com Python.
Prof. Me. Lucas Carlos de Souza

Guarulhos
2025
Desenvolvimento da atividade:

link Video: [Link]

link Código:​
[Link]
?usp=sharing

#Caique De Lucena Albuquerque Ra: 223132023


# Importação das bibliotecas
import pandas as pd
from sklearn.model_selection import train_test_split
from [Link] import RandomForestClassifier
from [Link] import accuracy_score, precision_score,
confusion_matrix

# 1 - Carregar o dataset
dados = pd.read_csv('/content/Dataset - Portfólio Python com IA -
Pá[Link]')

# 2 - Remover linhas que não tenham a satisfação


dados = [Link](subset=['Satisfação']).copy()
print(dados)

# 3 - Remover a coluna que tenha o nome do cliente


if 'Nome do cliente' in [Link]: # (colums tava errado)
dados = [Link](columns=['Nome do cliente'])

# 4) Mapeamento das colunas


tipos_de_comida = {
'Carne': 1,
'Frango': 2,
'Lasanha': 3
}

atendimento = {
'Sim': 1,
'Não': 0
}
satisfacao = {
'Satisfeito': 1,
'Insatisfeito': 0
}

# 5) Substituição e conversão numérica dentro do dataset


dados['Prato'] =
dados['Prato'].replace(tipos_de_comida).infer_objects(copy=False).astype
('float')
dados['Atendimento'] =
dados['Atendimento'].replace(atendimento).infer_objects(copy=False).asty
pe('float')
dados['Satisfação'] =
dados['Satisfação'].replace(satisfacao).infer_objects(copy=False).astype
('float')

# 6) Dividir entre X (Input) e y (Target)


X = dados[['Prato', 'Gasto', 'Atendimento']]
y = dados['Satisfação']

#7) Separar entre treuno e teste (80/20)


X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,
random_state=43)

#8) Criar e treinar o modelo


modelo = RandomForestClassifier(random_state=43)
[Link](X_train, y_train)

#9) Aaliar o modelo


y_pred = [Link](X_test)

acuracia = accuracy_score(y_test, y_pred)


precisao = precision_score(y_test, y_pred)
matriz = confusion_matrix(y_test, y_pred)

print("Acurácia do modelo:", acuracia)


print("Precisão do modelo:", precisao)
print("\nMatriz de confusão [ [TN FP] [FN TP] ]:")
print(matriz)

# 10) Fazer uma nova previsão


novo = {'Prato': 'Frango', 'Gasto': 50, 'Atendimento': 'Não'}

novo_enc = [Link]([[
tipos_de_comida[novo['Prato']],
novo['Gasto'],
atendimento[novo['Atendimento']]
]], columns=[Link])

pred = [Link](novo_enc)[0]
resultado = "Satisfeito" if pred == 1 else "Insatisfeito"
print(f"O modelo prevê que o cliente ficará {resultado}")

Você também pode gostar