12. Aula 12 - Algoritmo KNN

📊 Resumo do Vídeo:
"Curso Ciência de Dados - Do Zero ao Iniciante (Aula 12: Algoritmo KNN)"

No vídeo, StatiR explica o algoritmo KNN (K-Nearest Neighbors), um modelo simples e eficaz que utiliza o conceito de vizinhança para classificar novos dados com base nos mais próximos em relação a variáveis preditoras. O KNN é amplamente utilizado por sua simplicidade e aplicabilidade em diversos contextos.

🌟 1. O que é o KNN?
Definição:
O KNN classifica novos dados comparando-os com seus k vizinhos mais próximos no espaço das variáveis.
Ideia principal:
A classe de um novo ponto é definida pela classe da maioria dos vizinhos mais próximos.

📈 2. Como Funciona?
Cálculo da Distância:

A distância entre os pontos é medida, geralmente, usando a distância euclidiana (raiz quadrada da soma dos quadrados das diferenças entre as coordenadas).
Fórmula:
Distância = √[(x2 - x1)² + (y2 - y1)²]
Classificação:

Os vizinhos mais próximos são identificados com base nas menores distâncias.
A classe do ponto desconhecido é determinada pela votação da maioria dos vizinhos mais próximos.
Variação do Valor de K:

K = 1: Apenas o vizinho mais próximo decide.
K maior que 1: A votação considera múltiplos vizinhos, reduzindo o impacto de outliers.
🛠️ 3. Exemplo Prático

Cenário:
Classificar uma nova empresa como boa ou má pagadora, com base no histórico financeiro (lucro e faturamento).
Processo:
A distância euclidiana é calculada entre a nova empresa e as empresas históricas.
Com base nas menores distâncias, a empresa é classificada como boa ou má pagadora.
Resultado:
A classe é determinada pela maioria dos vizinhos mais próximos.

⚖️ 4. Escolha do Valor de K
Impacto de K:
Valores baixos podem ser sensíveis a outliers.
Valores altos podem diluir informações importantes.
Solução:
Testar diferentes valores de K e observar a precisão do modelo.
Softwares como R automatizam esse processo para encontrar o valor ideal de K.

🌟 5. Vantagens do KNN
Simplicidade: Fácil de entender e implementar.
Flexibilidade: Funciona bem com dados rotulados.
Robustez: Quando ajustado corretamente, é eficaz em diversos tipos de problemas.

⚠️ 6. Limitações do KNN
Custo Computacional: Pode ser lento com grandes volumes de dados.
Dependência de Escala: Variáveis precisam ser normalizadas para evitar que uma domine os cálculos.

🌟Para estudar por conta própria
Cálculo manual da distância euclidiana para classificação. 📐
Impacto de valores de K no desempenho do modelo. ⚖️
Comparação do KNN com outros algoritmos de classificação simples. 🌟