lab3

2. Aprendizagem de máquina¶

Objetivos¶

• Praticar os algoritmos de clusterização

Análise de crédito do cartão de credito¶

Realizar uma análise exploratória na base de dados de clientes afim de categorizar a quantidade de perfis

Importa libs¶

In [1]:

%matplotlib inline

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

%matplotlib inline import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler

Importa dataset¶

link para download: https://drive.google.com/file/d/1jhWFqkYWtyhJhvpMtu5xX0EHsQjUOlw0/view?usp=sharing

In [7]:

url_db = 'default of credit card clients.csv'
df = pd.read_csv(url_db, sep=';', header=1)  # Definindo o delimitador como ponto e vírgula
df.head()

url_db = 'default of credit card clients.csv' df = pd.read_csv(url_db, sep=';', header=1) # Definindo o delimitador como ponto e vírgula df.head()

Out[7]:

	ID	LIMIT_BAL	SEX	EDUCATION	MARRIAGE	AGE	PAY_0	PAY_2	PAY_3	PAY_4	...	BILL_AMT4	BILL_AMT5	BILL_AMT6	PAY_AMT1	PAY_AMT2	PAY_AMT3	PAY_AMT4	PAY_AMT5	PAY_AMT6	default payment next month
0	1	20000	2	2	1	24	2	2	-1	-1	...	0	0	0	0	689	0	0	0	0	1
1	2	120000	2	2	2	26	-1	2	0	0	...	3272	3455	3261	0	1000	1000	1000	0	2000	1
2	3	90000	2	2	2	34	0	0	0	0	...	14331	14948	15549	1518	1500	1000	1000	1000	5000	0
3	4	50000	2	2	1	37	0	0	0	0	...	28314	28959	29547	2000	2019	1200	1100	1069	1000	0
4	5	50000	1	2	1	57	-1	0	-1	0	...	20940	19146	19131	2000	36681	10000	9000	689	679	0

5 rows × 25 columns

In [18]:

## Analise se o dataset possui dados faltantes, se sim, faça o drop dessas entradas

## Seu código aqui.....

## Analise se o dataset possui dados faltantes, se sim, faça o drop dessas entradas ## Seu código aqui.....

Descrição das colunas Principais:

• ID: Identificação única de cada cliente.
• LIMIT_BAL: Limite de crédito concedido ao cliente (em dólares).
• SEX: Gênero do cliente (1 = Masculino, 2 = Feminino).
• EDUCATION: Nível educacional do cliente (1 = Pós-graduação, 2 = Graduação, 3 = Ensino Médio, 4 = Outros).
• MARRIAGE: Estado civil do cliente (1 = Casado, 2 = Solteiro, 3 = Outros).
• AGE: Idade do cliente.
• PAY_0 a PAY_6: Status de pagamento dos últimos 6 meses (0 = Pago na data, -1 = Pagamento adiantado, 1 = Atraso de 1 mês, etc.).
• BILL_AMT1 a BILL_AMT6: Valor da fatura (em dólares) nos últimos 6 meses.
• PAY_AMT1 a PAY_AMT6: Pagamento realizado (em dólares) nos últimos 6 meses.
• Y (default payment next month): Indicador de inadimplência no próximo mês (1 = Inadimplente, 0 = Não inadimplente).

ref: https://archive.ics.uci.edu/dataset/350/default+of+credit+card+clients

Criando um subset¶

In [ ]:

## Crie uma nova coluna que soma todas as colunas de dívidas 

## Seu código aqui.....

## Crie uma nova coluna que soma todas as colunas de dívidas ## Seu código aqui.....

In [ ]:

## Selecione as colunas de limite de crédito e divida total 

#data = df.iloc[:,[,]].values
#data;

## Selecione as colunas de limite de crédito e divida total #data = df.iloc[:,[,]].values #data;

In [21]:

## Como estamos trabalhos com algoritmos de distância, é importante e recomendavel que os dados sejam normalizados
## seu código de normalização...

## Como estamos trabalhos com algoritmos de distância, é importante e recomendavel que os dados sejam normalizados ## seu código de normalização...

Quantidade de k cluster¶

Escolha uma técnica dada em aula para inicializar o Kmeans. Poder ser a técnica Elbow ou dendrograma.

---

wcss = within-cluster sum of squares = soma dos quadrados intra-clusters

wcss = []
K = range(1,12)

for k in K:
  km = KMeans(n_clusters=k)
  km = km.fit(data_treino)
  wcss.append(km.inertia_)
  

plt.plot(K, wcss, "bx-", color = "grey")
plt.xlabel("k")
plt.ylabel("WCSS")
plt.title("Método do Cotovelo para k Otimizado");

In [19]:

## Seu código aqui......

## Seu código aqui......

Agrupando dados¶

Realize o agrupamento utilizando Kmeans e Agnes e compare os resultados obtidos.

In [20]:

## Sua resposta aqui.....

## Sua resposta aqui.....

In [23]:

## Faça uma breve descrição de cada cluster obtido, o que eles indicam?

## Faça uma breve descrição de cada cluster obtido, o que eles indicam?