Este repositório contém o código do trabalho prático 2 da disciplina Introdução à Inteligência Artificial do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais. Neste trabalho, deve-se implementar os algoritmos K Nearest Neighbors e K Means para classificar dados. Os dados utilizados nos testes são do dataset iris, tambem incluso neste repositório.
É necessário ter Python instalado na máquina, versão >= 3.9.12.
Para executar o projeto com o algoritmo KNN utilizando 3 vizinhos, execute da raíz do projeto:
python3 src/main.py --algo knn -k 3
Para executar o projeto com o algoritmo K Means distinguindo 3 grupos, execute na raíz do projeto:
python3 src/main.py --algo kmeans -k 3
Outros argumentos podem ser passados na execução. Para o algoritmo KNN, é possível utilizar:
--accuracy # para ver acurácia
--precision # para ver a precisão
--recall # para revocação
--f1 # para score f1
Ao utilizar qualquer um destes argumentos a matriz de confusão será impressa.
Para os dois algoritmos, também é possível utilizar:
--print-predictions # para imprimir as predições feitas em todos os dados no arquivo de testes
--train-dataset <arquivo.csv> # para alterar o arquivo utilizado no treino
--test-dataset <arquivo.csv> # para alterar o arquivo de testes