Projeto de Análise e Agrupamento com K-Means

Este projeto realiza análise e agrupamento de dados utilizando o algoritmo K-Means, focado no reconhecimento de padrões em dados de sensores.

Dataset: Human Activity Recognition Using Smartphones

Grupo: 21

Bibliotecas Utilizadas

• Pandas: Manipulação de dados e leitura de arquivos.
• NumPy: Operações matemáticas e manipulação de arrays.
• Scikit-learn: Implementação do K-Means, redução de dimensionalidade (PCA) e avaliação com Silhouette Score.
• Matplotlib e Seaborn: Visualização de gráficos 2D e 3D.

Etapas Principais

1. Análise Exploratória: Exploração das distribuições e padrões nos dados.
2. Pré-processamento: Normalização com StandardScaler e redução de dimensionalidade com PCA.
3. Agrupamento: Implementação do K-Means com inicialização K-means++.
4. Otimização: Determinação do número ideal de clusters com Elbow Method e Silhouette Score.
5. Visualização: Representação dos clusters em gráficos 2D e 3D para análise.

Resultados

Clusters foram gerados com base nos dados dos sensores, permitindo a interpretação de diferentes padrões de atividades, suportados por métricas de avaliação.

Contribuições Futuras

• Exploração de algoritmos alternativos de agrupamento.
• Integração com modelos supervisionados para validação dos clusters.