Programação Orientada a Objetos (POO) no Aprendizado de Máquina: Um Exemplo Prático

O Desafio

Cada modelo de aprendizado de máquina (ML) requer uma avaliação minuciosa, com o uso de dados não observados (conhecidos como testData). Esta avaliação é então comparada aos resultados obtidos com os dados observados (conhecidos como trainData). Essa comparação é essencial para que o Engenheiro de ML identifique se há overfitting* ou underfitting* nos dados.

A Solução

Após concluir a etapa de treinamento do modelo, estava pronto para realizar essa tarefa. Logo percebi que precisaria de dois métodos: um para exibir um DataFrame e outro para plotar a comparação. No entanto, também notei que haveria uma duplicação dos dados. Para evitar redundâncias e otimizar o processo, decidi criar uma classe para reutilizar as informações já disponíveis.

A classe conta com dois métodos: "evaluation" e "plotPredictions", ambos utilizando os mesmos elementos. Estou compartilhando isso para destacar que, em algumas circunstâncias, ao buscar aprimorar o código, a abordagem orientada a objetos pode oferecer uma solução mais eficaz. Continuem explorando e aprendendo novas técnicas! ;)

• Código na íntegra - "KISS" your code