Para quem tiver menos familiaridade com o Scikit-Learn ou o Python, e estiver tendo dificuldade em fazer a atividade prévia, fiz esse post para ajudá-los. Ele é um passo a passo de como fazer um código para analisar o dataset da segunda atividade prática, o Wine Dataset. Usem-no de base para fazerem suas próprias análises.

______________________________________________

# Carregando o dataset
from sklearn.datasets import load_wine
wine = load_wine()

# Exemplos de acesso aos dados
X = wine.data[:, :] # Features de cada elemento
y = wine.target # Classes de cada elemento

Esse é o começo de tudo, como vocês tem no enunciado. X são as features do dataset, e y são as classes dele.

____

# É preciso treinar o classificador, e testar o seu desempenho com dados "novos".
# Aqui, dividimos os dados em treino e teste, para podermos testar nosso desempenho depois.


from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)
# O uso dessa função facilita, mas não é obrigatório. Você pode dividir os seus dados manualmente.

Para conferir o resultado de seu classificador, você precisa utilizar dados "novos", que ele não utilizou no treino, para checar se as previsões dele são corretas. Como o dataset não vem com os dados de teste separados, vocês precisam tirar um parte dele "na mão" para testar. Essa função que usei divide os dados em treino e teste. Ela facilita, mas vocês podem fazer essa divisão manualmente se quiserem. Isso é algo como a divisão de treino e teste que vemos na aula de validação cruzada.

____

# Carregando e treinando os classificadores
# Random forests
from sklearn.ensemble import RandomForestClassifier

rfc = RandomForestClassifier()
rfc.fit(X_train,y_train)
y_pred = rfc.predict(X_test)

# Métricas do Random Forests
rfc_acc = round(accuracy_score(y_test, y_pred), 6) # round é para arredondar para seis casas decimais
rfc_recall = round(recall_score(y_test, y_pred, average='weighted'), 6)
rfc_precision = round(precision_score(y_test, y_pred, average='weighted'), 6)

# KNN
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

# Métricas do KNN
knn_acc = round(accuracy_score(y_test, y_pred), 6)
knn_recall = round(recall_score(y_test, y_pred, average='weighted'), 6)
knn_precision = round(precision_score(y_test, y_pred, average='weighted'), 6)]

# Comparação
print("KNN vs Random Forests\n")
print("Classes: {0}\n".format(wine.target_names))

print("Acurácia: {0} vs {1}".format(knn_acc, rfc_acc))
print("Recall: {0} vs {1}".format(knn_recall, rfc_recall))
print("Precisão: {0} vs {1}".format(knn_precision, rfc_precision))

Aqui vem uma parte fundamental: a escolha dos classificadores. Eu escolhi o KNN e o Random Forests, mas vocês podem escolher outros. Algumas opções:

from sklearn.neural_network import MLPClassifier (Links para um site externo)Links para um site externo
from sklearn.neighbors import KNeighborsClassifier (Links para um site externo)Links para um site externo
from sklearn.svm import SVC (Links para um site externo)Links para um site externo
from sklearn.gaussian_process import GaussianProcessClassifier (Links para um site externo)Links para um site externo
from sklearn.gaussian_process.kernels import RBF (Links para um site externo)Links para um site externo
from sklearn.tree import DecisionTreeClassifier (Links para um site externo)Links para um site externo
from sklearn.ensemble import RandomForestClassifier (Links para um site externo)Links para um site externo, AdaBoostClassifier (Links para um site externo)Links para um site externo
from sklearn.naive_bayes import GaussianNB (Links para um site externo)Links para um site externo
from sklearn.discriminant_analysis import QuadraticDiscriminantAnalysis (Links para um site externo)Links para um site externo
Fonte: um exemplo de comparação de vários classificadores (Links para um site externo)Links para um site externo. Se clicarem no link de cada classificador, vão para a página que exibe os parâmetros dele e exemplo simples de uso.

Os códigos, em si, são simples: eu instancio o classificador com os parâmetros que quero, chamo a função fit, que faz o treino, faço a previsão com os dados de teste e chamo as funções das métricas para armazenar o desempenho deles.

____

# Na validação cruzada
from sklearn.model_selection import cross_val_score
cv_rfc = cross_val_score(rfc, X, y)
cv_knn = cross_val_score(knn, X, y)

print("\nValidação cruzada: {0} vs {1}".format(cv_knn, cv_rfc))

Outros algoritmos para fazer validação cruzada:

Cross validate (Links para um site externo)Links para um site externo, K-Fold Iterator (Links para um site externo)Links para um site externo, Outros (Links para um site externo)Links para um site externo

#Buscando hiper parâmetros
from sklearn.model_selection import GridSearchCV


#RFC
parameters = {'min_samples_split':(2,6)}
rfc_hps = GridSearchCV(rfc, parameters)
rfc_hps.fit(X, y)
print("Melhor valor para o parâmetro min_samples_split: {0}".format(rfc_hps.best_params_['min_samples_split']))


#KNN
parameters = {'n_neighbors':(1,20)}
knn_hps = GridSearchCV(knn, parameters)
knn_hps.fit(X, y)
knn_hps.best_params_['n_neighbors']
print("Melhor valor para o parâmetro n_neighbors: {0}".format(knn_hps.best_params_['n_neighbors']))

Doc do GridSearchCV (Links para um site externo)Links para um site externo

A GridSearchCV é bastante robusta. Aí, eu basicamente pedi pra ela retornar o melhor valor encontrado para os parâmetros que busquei. Na documentação há exemplos para parâmetros não numéricos também.

_______________________________________________
Não usem exatamente esse código no trabalho de vocês, mas o utilizem de base. Algumas variações bem vindas são:

Usem outros classificadores.
Comparem mais de dois classificadores.
Resolvam outro dos dataset propostos nos trabalhos.
Usem outras métricas.
Façam outro tipo de validação cruzada.
Explorem mais o ajuste de hiper-parâmetros
Agora, o que eu mais espero de vocês é a análise, acima de tudo. Atentem a isso no relatório do trabalho.
_______________________________________________

Extra: aqui (Links para um site externo)Links para um site externo há um índice com todas as funções do Scikit. Eu destaquei a parte relacionada a seleção de modelos. Recomendo ver as partes dos algoritmos de classificação, regressão, agrupamento, além das partes de ajuste de hiper parâmetros e validação cruzada.

Eu reforço que fazer uma análise dessa "por conta própria" é uma etapa muito importante do aprendizado! A quem precisar dessa ajuda, recomendo fortemente fazer outra das atividades prévias depois, ainda que após o fim do curso.