Conteúdo 11

Naive Bayes

Neste material de aula, abordamos o algoritmo Naive Bayes.

Slides:


Versão html


Versão pdf

Aplicações

Os arquivos contendo um exemplo com códigos em R e os dados podem ser baixados aqui.

Projeto 5 – Classificação Supervisionada e Predição de Risco em Saúde

Você é um(a) Cientista de Dados em Saúde Pública. A gestão precisa sair do “achismo” e utilizar dados históricos para prever desfechos clínicos ou classificar riscos de eventos na Região Nordeste do país. Sua missão é treinar e validar modelos preditivos usando dados públicos (DATASUS). Você deve aplicar e comparar os algoritmos de Classificação Regressão Logística, k-NN e Naive Bayes em um dos miniprojetos listados abaixo.

Prazo: 15/01/2026

Tarefa:

  • Escolha uma regiaão do Brasil (Norte, Nordeste, Sudeste, Centro-Oeste, Sul) para o ano de 2024 e realize a limpeza necessária.
  • Implemente os seguintes algoritmos para resolver o problema: Regressão Logística, k-NN ou Naive Bayes.
  • Compare a performance deles (Acurácia, Sensibilidade, Especificidade) e indique o algoritmo que apresentou melhor desempenho segundo essas métricas.

Mini Projetos para escolher

P1. Predição de Baixo Peso ao Nascer

  • Desafio: Predizer o risco de baixo peso baseado nas características maternas e do pré-natal.

  • Fonte de dados: SINASC (Nascidos Vivos).

  • Código para baixar os dados no R usando o pacote microdatasus: 11-naive_bayes-P1.R

  • Variáveis:

    • Variável Alvo: PESO. Crie uma nova variável BAIXO_PESO classificando como 1 quando PESO < 2500g.
    • Atributos sugeridos: IDADEMAE, ESCMAE2010, ESTCIVMAE, RACACOR, QTDFILVIVO, QTDFILMORT, CONSULTAS, SEMAGESTAC, GRAVIDEZ, PARTO, SEXO.

P2. Predição de Risco de Hospitalização em casos de Chikungunya

  • Desafio: Predizer quais pacientes com Chikungunya precisarão de internação hospitalar baseado apenas no perfil (Idade/Comorbidades) e nos sintomas iniciais.

  • Fonte de dados: Sistema de Informação de Agravos de Notificação (Sinan).

  • Código para baixar os dados no R usando o pacote microdatasus: 11-naive_bayes-P2.R

  • Variáveis:

    • Variável Alvo: houve_hospitalizacao.
    • Atributos sugeridos: NU_IDADE_N, CS_SEXO, CS_GESTANT, CS_RACA, CS_ESCOL_N, DIABETES, HIPERTENSA, AUTO_IMUNE, HEMATOLOG, RENAL, FEBRE, ARTRALGIA, ARTRITE, DOR_COSTAS, EXANTEMA, VOMITO, NAUSEA, CEFALEIA.