Introdução

  • 1 minuto

Este módulo segue os dois módulos anteriores dentro do roteiro de aprendizagem Prever os atrasos de lançamento de foguete usando machine learning.

Dica

Para obter resultados mais adequados, inicie este módulo logo após concluir o módulo anterior deste roteiro de aprendizagem: coleta e manipulação de dados. Caso contrário, talvez você encontre erros ou obtenha resultados diferentes. Se isso ocorrer, você poderá executar novamente os comandos no módulo anterior antes de iniciar nesse.

Anteriormente, você importou 300 linhas de dados meteorológicos representando 60 lançamentos de foguete, mais os dois dias que antecedem e sucedem um lançamento. Por meio de uma versão simplificada de limpeza e manipulação de dados, você levou seus dados a um ponto em que pode começar a usar algoritmos de aprendizado de máquina para obter conhecimento sobre eles.

Neste módulo, você usará um classificador de árvore de decisão para obter conhecimento a partir de dados brutos de clima e lançamentos de foguetes. Este módulo foca em uma análise local dos seus dados usando scikit-learn.

Dica

Este módulo faz parte de uma experiência de aprendizagem multimodal. Acompanhe o módulo assistindo a um vídeo explicativo sobre ele em uma nova guia.

Objetivos de aprendizagem

Neste módulo, você começará a descobrir:

  • A importância da escolha das colunas.
  • Como dividir os dados para treinar e testar com eficiência um algoritmo de machine learning.
  • Como treinar, testar e pontuar um algoritmo de machine learning.
  • Como visualizar um modelo de classificação de árvore.

Pré-requisitos