Este projeto utiliza um dataset do repositório UCI Machine Learning para analisar doenças cardíacas. O objetivo é prever a presença da condição usando um modelo de classificação KNN.
Funcionalidades Implementadas: Carregamento de Dados: Utilização do pacote ucimlrepo para importar o dataset "Heart Disease".
Pré-processamento de Dados: Normalização das features usando StandardScaler e tratamento de valores faltantes.
Treinamento do Modelo: Implementação de um classificador KNN com 3 vizinhos e avaliação da sua acurácia, precisão e recall.
Visualização de Dados: Scatterplot para explorar a relação entre as features 'Área' e 'Excentricidade' em uma plantação de arroz, diferenciando por tipo.
Otimização de Parâmetros: Utilização de validação cruzada para encontrar o melhor número de vizinhos (K) no modelo KNN.
Tecnologias Utilizadas: Python, Pandas, NumPy para manipulação e análise de dados. Scikit-learn para aprendizado de máquina e métricas de avaliação. Seaborn e Matplotlib para visualização de dados.