Neste trabalho é proposto a avaliação da utilização dos métodos de aprendizado de máquina para discriminar a litologia (tipo de rocha) a partir de dados de química de rocha. Pretende-se avaliar o desempenho na classificação litológica dos principais algoritmos de classificação supervisionada utilizados atualmente (Support Vector Classifier-SVC, K-Nearest Neighbors Classifier-KNN, Random Forest Classifier-RF e Xgboost).
O algoritmo será desenvolvido para executar uma tarefa de classificação multi-label, recebendo como entrada dados estruturados, contendo as análises químicas de amostras de rocha, e retornando como saída o nome da rocha com a maior probabilidade (similaridade) dentre os vários nomes possíveis.
Link para proposta do projeto final
O projeto está disponivel para download no Github. Para clonar o projeto use o comando abaixo.
$git clone https://github.com/Eliasmgprado/mlnd_final_projectTodos estes modulos podem ser instalados utilizando o pip ou conda
$pip intall pandas numpy seaborn missigno matplotlib sklearn xgboost mlxtend$conda intall pandas numpy seaborn missigno matplotlib sklearn xgboost mlxtendOs dados utilizados foram extraídos do banco de dados petrológico GEOROC.
Segue link para baixar os arquivos utilizados:
- ALDAN SHIELD - ARCHEAN.csv
- AMAZONIA CRATON.csv
- BALTIC SHIELD - ARCHEAN.csv
- BASTAR CRATON ARCHEAN.csv
- CHURCHILL PROVINCE ARCHEAN.csv
- DHARWAR CRATON ARCHEAN.csv
- GAWLER CRATON.csv
- KAAPVAAL CRATON ARCHEAN.csv
- NORTH ATLANTIC CRATON ARCHEAN.csv
- NORTH CHINA CRATON.csv
- RAE CRATON ARCHEAN.csv
- SAO FRANCISCO CRATON ARCHEAN.csv
- SARMATIAN CRATON ARCHEAN.csv
- SIBERIAN CRATON ARCHEAN.csv
- SINGHBHUM CRATON ARCHEAN.csv
- SLAVE PROVINCE ARCHEAN.csv
- SUPERIOR PROVINCE ARCHEAN.csv
- TANZANIA CRATON ARCHEAN.csv
- UKRAINIAN SHIELD ARCHEAN.csv
- WEST AFRICAN CRATON ARCHEAN.csv
- WEST AUSTRALIAN CRATON.csv
- ZIMBABWE CRATON ARCHEAN.csv
Os Arquivos principais do projeto são:
- Projeto_Final_EML - jupyter notebook do projeto
- Projeto_final - Relatório do projeto
- Elias Martins Guerra Prado - Github - Eliasmgprado