Algoritmo de Seleção Negativa
Nesta página, você encontrará uma coleção de exemplos práticos que demonstram como usar as classes de seleção negativa implementadas em nosso pacote.
Os exemplos estão organizados da seguinte forma:
Normalização de Dados:
Mostra como normalizar dados usando as classes de seleção negativa. Na versão de valores reais, os dados são normalizados entre 0 e 1. Na versão binária, eles são normalizados em um vetor de bits.
Validação Cruzada K-fold com 50 Interações:
Neste exemplo, os dados são divididos em conjuntos de treinamento e teste, e o desempenho do modelo é avaliado por meio de validação cruzada. Portanto, dividimos os dados de treinamento em k partes. Em cada iteração, 10% dos dados de treinamento são reservados para teste.
Treinamento:
O modelo treinado é testado neste exemplo com todos os dados de treinamento disponíveis.
Os exemplos a seguir mostram várias funcionalidades das classes de seleção negativa para que você saiba como usá-las em seu projeto. Sinta-se à vontade para explorar esses exemplos e adaptá-los conforme necessário para atender às suas necessidades específicas.
Acesse os notebooks com a possibilidade de execução online pelo Binder: 
BNSA (Algoritmo de Seleção Negativa Binária)
Exemplo com amostras aleatórias
No exemplo presente neste notebook, foram geradas 1000 amostras aleatórias, organizadas em dois grupos, um para cada classe.
Exemplo de Base de Dados de Cogumelos
Ele usa a base de dados de cogumelos, que contém informações sobre cogumelos comestíveis e venenosos.
RNSA (Algoritmo de Seleção Negativa de Valores Reais)
Exemplo com amostras aleatórias
No exemplo presente neste notebook, foram geradas 500 amostras aleatórias, organizadas em dois grupos, um para cada classe.
Exemplo usando a base de dados íris, que contém amostras de quatro dimensões e três classes de saída (Setosa, Versicolor e Virginica).
Exemplo de Base de Dados Geyser
Para classificar erupções de geysers no Parque Nacional de Yellowstone, este notebook usa a base de dados Old Faithful.