Software desenvolvido com python com o intuito de prever em qual cômodo os dados foram retirados, através das redes wifi disponíveis. Para prever o resultado será utilizado o algoritmo KNN com número de vizinhos igual a 3, utilizando pesos diferentes dependendo da distância e utilizando a distância de manhattan. Lebrando que neste software, é separado 70% dos dados para o conjunto de treinamento, 15% pro conjunto de validação e 15% pro conjunto de teste. Lembrando que é utilizado o conjunto de validação para encontrar os melhores parâmetros. Sendo que no final é retornado o score de accuracy_score,precision_score,recall_score,f1_score e a confusion_matrix.
-
Prever em qual cômodo foi retirado os dados
-
Separação do conjunto em treino, vaidação e teste
-
Utilizar funções para ver a precisão das previsões
Linguagem:
Bibliotecas:
Ter um csv distribuido da seguinte maneira:
RedeA | RedeB | RedeC | class
90 | 70 | 20 | quarto
85 | 65 | 0 | cozinha
se você não tem o csv, pode utilizar o seguinte script para adquirir estes dados:
link: SCRIPT
Este arquivo csv deve estar em seu google drive.
Dependendo da pasta onde está seu arquivo, mude datasets para o caminho desejado
E dependendo do nome de seu arquivo, mude my_wifi.csv para o nome desejado
Caso não esteja interessado em montar teu próprio csv mas queria utilizar um já feito, baixe no link abaixo:
drive: DRIVE
É só montar o google drive em seu Colab, e acessar o link 😉
link: COLAB
- Faça um fork do projeto.
- Crie uma nova branch com as suas alterações:
git checkout -b my-feature - Salve as alterações e crie uma mensagem de commit contando o que você fez:
git commit -m "feature: My new feature" - Envie as suas alterações:
git push origin my-feature
Caso tenha alguma dúvida confira este guia de como contribuir no GitHub
Este projeto foi desenvolvido com o ❤️ por @Ícaro Coêlho 👋🏽 Entre em contato!
Este projeto esta sobe a licença MIT.
