https://gomesfellipe.github.io/tags/threshold-movel/Recent content in Threshold-Movel on Fellipe GomesHugo -- gohugo.iopt-BR© 2026 Fellipe GomesMon, 01 Nov 2021 00:00:00 +0000https://gomesfellipe.github.io/post/2021-11-01-solucao-final-porto-seguro-data-challenge/Mon, 01 Nov 2021 00:00:00 +0000https://gomesfellipe.github.io/post/2021-11-01-solucao-final-porto-seguro-data-challenge/<div id="TOC"> <ul> <li><a href="#introdu%C3%A7%C3%A3o" id="toc-introdução">Introdução</a></li> <li><a href="#defini%C3%A7%C3%A3o-do-problema-de-neg%C3%B3cio" id="toc-definição-do-problema-de-negócio">Definição do problema de negócio</a></li> <li><a href="#an%C3%A1lise-explorat%C3%B3ria-em-r" id="toc-análise-exploratória-em-r">Análise Exploratória (em R)</a></li> <li><a href="#machine-learning-em-python" id="toc-machine-learning-em-python">Machine Learning (em Python)</a> <ul> <li><a href="#importar-depend%C3%AAncias" id="toc-importar-dependências">Importar dependências</a></li> <li><a href="#stage-0-feature-extraction-com-knn" id="toc-stage-0-feature-extraction-com-knn">Stage 0: Feature Extraction com KNN</a></li> <li><a href="#stage-1-tuning-xgboost-com-optuna" id="toc-stage-1-tuning-xgboost-com-optuna">Stage 1: Tuning XGBoost com Optuna</a></li> <li><a href="#stage-2-calcular-out-of-fold-shap-values" id="toc-stage-2-calcular-out-of-fold-shap-values">Stage 2: Calcular Out-Of-Fold SHAP values</a></li> <li><a href="#stage-3-modelo-final-com-autogluon" id="toc-stage-3-modelo-final-com-autogluon">Stage 3: Modelo Final com AutoGluon</a></li> </ul></li> <li><a href="#conclus%C3%A3o" id="toc-conclusão">Conclusão</a></li> <li><a href="#refer%C3%AAncias" id="toc-referências">Referências</a></li> </ul> </div> <style> .column { float: left; width: 50%; padding: 10px; } .column4 { float: left; width: 20%; padding: 10px; } .column8 { float: left; width: 80%; padding: 10px; } .row:after { content: ""; display: table; clear: both; } .center { display: flex; justify-content: center; align-items: center; height: 200px; } </style> <hr /> <div id="introdução" class="section level2"> <h1>Introdução</h1> <div class="row"> <div class="column8"> <p>Em Agosto e 2021 a Porto Seguro lançou um desafio no Kaggle que consistia em estimar a propensão de aquisição de novos produtos. Tratava-se de um problema de classificação e foi bem desafiador principalmente por 2 motivos:</p>https://gomesfellipe.github.io/post/2021-02-28-qualidade-do-sono-machine-learning/Thu, 04 Mar 2021 00:00:00 +0000https://gomesfellipe.github.io/post/2021-02-28-qualidade-do-sono-machine-learning/<div id="TOC"> <ul> <li><a href="#qualidade-de-sono" id="toc-qualidade-de-sono">Qualidade de sono? 🤨</a></li> <li><a href="#como-funciona-aplicativo-sleep-cycle" id="toc-como-funciona-aplicativo-sleep-cycle">Como funciona aplicativo Sleep Cycle? <img src="https://www.sleepcycle.com/wp-content/uploads/2020/09/sleep_cycle_app_icon-480x480.png" alt="Ícone do aplicativo Sleep Cycle" style="width:3.0%" /></a></li> <li><a href="#objetivo" id="toc-objetivo">Objetivo 🎯</a></li> <li><a href="#explorar-dados" id="toc-explorar-dados">Explorar dados 🔎</a> <ul> <li><a href="#limpeza-e-prepara%C3%A7%C3%A3o-dos-dados" id="toc-limpeza-e-preparação-dos-dados">Limpeza e preparação dos dados</a></li> <li><a href="#imputar-dados-de-fontes-externas" id="toc-imputar-dados-de-fontes-externas">Imputar dados de fontes externas</a></li> <li><a href="#insights" id="toc-insights">Insights</a></li> <li><a href="#reter-dados" id="toc-reter-dados">Reter dados</a></li> </ul></li> <li><a href="#modelagem" id="toc-modelagem">Modelagem 🚀</a> <ul> <li><a href="#amostragem" id="toc-amostragem">Amostragem</a></li> <li><a href="#engenharia-de-recursos" id="toc-engenharia-de-recursos">Engenharia de recursos</a></li> <li><a href="#modelo-nulo-baseline" id="toc-modelo-nulo-baseline">Modelo Nulo (Baseline)</a></li> <li><a href="#%C3%A1rvore-de-decis%C3%B5es" id="toc-árvore-de-decisões">Árvore de decisões</a></li> <li><a href="#random-forest" id="toc-random-forest">Random Forest</a></li> <li><a href="#lightgbm" id="toc-lightgbm">LightGBM</a></li> </ul></li> <li><a href="#sele%C3%A7%C3%A3o-do-modelo" id="toc-seleção-do-modelo">Seleção do modelo 🤔</a></li> <li><a href="#previs%C3%A3o-em-dados-novos" id="toc-previsão-em-dados-novos">Previsão em dados novos 💫</a></li> <li><a href="#conclus%C3%A3o" id="toc-conclusão">Conclusão 🍻</a></li> <li><a href="#refer%C3%AAncias" id="toc-referências">Referências 🧳</a></li> </ul> </div> <style> .column { float: left; width: 50%; padding: 10px; } .column4 { float: left; width: 33%; padding: 10px; } .column8 { float: left; width: 66%; padding: 10px; } .row:after { content: ""; display: table; clear: both; } .center { display: flex; justify-content: center; align-items: center; height: 200px; } </style> <div id="qualidade-de-sono" class="section level2"> <h1>Qualidade de sono? 🤨</h1> <p>Sim, exatamente! Neste post analisaremos dados de um <em>tracking</em> que venho fazendo desde 2017 com informações relacionadas à um sono de qualidade.</p>