Arquivo de knn - Página 2 de 2

Imagine que você é um corretor avaliando um novo apartamento. Sem informações completas, você compara com propriedades similares. Se três imóveis parecidos foram vendidos como “alto padrão”, este provavelmente também é. Se a maioria foi “econômica”, talvez seja melhor ajustar expectativas. Este processo intuitivo é exatamente o que o algoritmo K-Vizinhos Mais Próximos (K-Nearest Neighbors ou KNN) faz com dados. Ele formaliza matematicamente a expertise que corretores desenvolvem ao longo dos anos, classificando novos casos baseando-se em exemplos similares conhecidos.

Como isso funciona na prática?

O KNN replica nossa maneira natural de fazer comparações. Primeiramente, você precisa de dados de treinamento – seu portfólio completo de imóveis, cada um com características como metragem, quartos e preço. Quando um novo imóvel surge, o algoritmo calcula sua “distância” para todas as propriedades no banco de dados. Posteriormente, seleciona os ‘K’ imóveis mais similares (vizinhos) e analisa qual categoria aparece com mais frequência. A categoria majoritária torna-se a classificação. Curiosamente, o algoritmo é “preguiçoso” porque não aprende padrões durante o treino – apenas memoriza dados e calcula quando precisa classificar algo novo.

Mãos na massa: classificando um novo apartamento

"""
Classificação de imóveis usando K-Nearest Neighbors
Baseado em características físicas e valor de mercado
"""

# Importando bibliotecas necessárias
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# Criando dataset de imóveis conhecidos
# Cada imóvel: [Metragem (m²), Quartos, Preço (R$ x1000)]
caracteristicas_imoveis = np.array([
    [80, 2, 350],   # Econômico
    [120, 3, 550],  # Médio
    [65, 1, 280],   # Econômico
    [150, 4, 750],  # Alto
    [95, 2, 420],   # Médio
    [180, 5, 900]   # Alto
])

# Categorias de preço conhecidas
categorias = np.array(['Econômico', 'Médio', 'Econômico', 'Alto', 'Médio', 'Alto'])

# Criando classificador KNN com 3 vizinhos
classificador = KNeighborsClassifier(n_neighbors=3)
classificador.fit(caracteristicas_imoveis, categorias)  # Treinando com dados conhecidos

# Novo apartamento para classificar: 85m², 2 quartos, R$ 380.000
novo_apartamento = np.array([[85, 2, 380]])

# Prevendo categoria de preço
categoria_prevista = classificador.predict(novo_apartamento)
print(f"Este imóvel é classificado como: {categoria_prevista[0]}")
# Baseado nos 3 imóveis mais similares, provavelmente será 'Médio'

"""

Classificação de imóveis usando K-Nearest Neighbors

Baseado em características físicas e valor de mercado

"""

# Importando bibliotecas necessárias

from sklearn.neighbors import KNeighborsClassifier

import numpy as np

# Criando dataset de imóveis conhecidos

# Cada imóvel: [Metragem (m²), Quartos, Preço (R$ x1000)]

caracteristicas_imoveis = np.array([

[80, 2, 350], # Econômico

[120, 3, 550], # Médio

[65, 1, 280], # Econômico

[150, 4, 750], # Alto

[95, 2, 420], # Médio

[180, 5, 900] # Alto

])

# Categorias de preço conhecidas

categorias = np.array(['Econômico', 'Médio', 'Econômico', 'Alto', 'Médio', 'Alto'])

# Criando classificador KNN com 3 vizinhos

classificador = KNeighborsClassifier(n_neighbors=3)

classificador.fit(caracteristicas_imoveis, categorias) # Treinando com dados conhecidos

# Novo apartamento para classificar: 85m², 2 quartos, R$ 380.000

novo_apartamento = np.array([[85, 2, 380]])

# Prevendo categoria de preço

categoria_prevista = classificador.predict(novo_apartamento)

print(f"Este imóvel é classificado como: {categoria_prevista[0]}")

# Baseado nos 3 imóveis mais similares, provavelmente será 'Médio'

Os detalhes que fazem diferença

Escolher o valor de ‘K’ é decisivo para o sucesso do modelo. Um K muito baixo (como 1) torna a classificação excessivamente sensível a outliers – similar a basear uma avaliação em apenas uma propriedade. Contudo, um K muito alto pode simplificar demasiadamente o modelo, perdendo nuances importantes do mercado. Similarmente crucial é a métrica de distância utilizada. A distância euclidiana $\sqrt{(x_2-x_1)^2 + (y_2-y_1)^2 + (z_2-z_1)^2}$ é comum, mas quando características têm escalas diferentes, a normalização torna-se essencial para evitar domínio de um único atributo.

Escolha de K: Inicie com K=3 ou 5, testando valores ímpares para evitar empates
Normalização: Aplique StandardScaler quando características tiverem unidades diferentes
Desempenho: KNN pode ser computacionalmente intenso com grandes volumes de dados
Vantagem: Extremamente intuitivo e ideal para problemas de classificação baseados em similaridade

Perguntas que os iniciantes fazem

Você deve estar se perguntando: “Por que o KNN é considerado aprendizado de máquina se apenas memoriza dados?” Excelente questão! O aprendizado ocorre na capacidade de generalizar para novos casos baseando-se em padrões de similaridade, não na memorização pura. Uma confusão comum envolve a diferença entre classificação e regressão. Para categorias (como “Econômico”, “Médio”, “Alto”), use classificação. Entretanto, para valores numéricos específicos (como preço exato), utilize KNN regressor, que calcula médias dos vizinhos. Outra dúvida frequente: “E se houver empate entre categorias?” Nesse caso, o Scikit-Learn decide pela primeira classe, mas valores ímpares de K geralmente previnem esse problema.

Para onde ir agora?

Agora que você compreende os fundamentos, experimente aplicar KNN em seus próprios dados imobiliários. Comece com K pequeno, aumentando progressivamente enquanto observa a evolução das classificações. Pratique normalização com StandardScaler e compare resultados com e sem escalonamento. O momento “aha!” acontece quando percebe que este algoritmo simples resolve problemas complexos de classificação com lógica natural para profissionais do mercado.

Assuntos relacionados

Para aprofundar seu entendimento do KNN, estude estes conceitos fundamentais:

Geometria analítica e cálculo de distâncias multidimensionais
Estatística descritiva (moda, médias, medidas de dispersão)
Teoria da votação e tomada de decisão por maioria
Otimização computacional e complexidade de algoritmos
Álgebra linear para espaços vetoriais n-dimensionais

Referências que valem a pena

Quando você não sabe o que procurar, mas encontra tesouros escondidos

Imagine que você é um corretor de imóveis com uma lista de 500 propriedades, mas nenhuma classificação prévia sobre qual é “luxuosa”, “econômica” ou “familiar”. Como agrupar essas casas de forma inteligente? O vizinhos mais próximos não supervisionados é como ter um assistente que analisa automaticamente quais imóveis são naturalmente similares, agrupando-os por características intrínsecas. Ele encontra padrões que você nem sabia que existiam, revelando segmentos naturais no seu mercado. Esta técnica é surpreendentemente poderosa para explorar dados quando você não tem rótulos pré-definidos.

Como isso funciona na prática?

Diferente do version supervisionado que você já conhece, o vizinhos mais próximos não supervisionados não precisa de respostas prévias para aprender. Ele simplesmente analisa a “vizinhança” de cada ponto de dados, calculando distâncias entre todas as observações. Quando você pede para encontrar os K vizinhos mais próximos, o algoritmo identifica quais pontos estão naturalmente agrupados no espaço multidimensional. É como organizar uma festa e observar que certos convidados naturalmente formam círculos de conversa baseados em interesses comuns, sem que ninguém precise dizer explicitamente “grupo dos esportistas” ou “grupo dos intelectuais”.

Mãos na massa: exemplo prático com imóveis

# Importando as ferramentas necessárias
from sklearn.neighbors import NearestNeighbors
import pandas as pd
import numpy as np

# Vamos criar dados fictícios de imóveis: preço, área, número de quartos
dados_imoveis = pd.DataFrame({
    'preco': [500000, 320000, 800000, 280000, 950000, 350000],
    'area': [180, 120, 250, 100, 300, 130],
    'quartos': [4, 3, 5, 2, 6, 3]
})

print("Dados dos imóveis:")
print(dados_imoveis)

# Criando o modelo de vizinhos mais próximos não supervisionado
# Queremos encontrar os 3 imóveis mais similares para cada propriedade
modelo_vizinhos = NearestNeighbors(n_neighbors=3)
modelo_vizinhos.fit(dados_imoveis)

# Vamos encontrar os vizinhos mais próximos para o primeiro imóvel
distancias, indices = modelo_vizinhos.kneighbors(dados_imoveis.iloc[[0]])

print(f"\nPara o imóvel 0 (R$ {dados_imoveis.iloc[0]['preco']:,.0f}):")
print(f"Vizinhos mais próximos: {indices[0]}")
print(f"Distâncias: {distancias[0]}")

# Agora vamos visualizar todos os grupos naturais
distancias_completas, indices_completos = modelo_vizinhos.kneighbors(dados_imoveis)

print("\nMatriz de vizinhança completa:")
for i, (vizinhos, dists) in enumerate(zip(indices_completos, distancias_completas)):
    print(f"Imóvel {i} é similar aos imóveis {vizinhos[1:]} com distâncias {dists[1:]:.2f}")

# Importando as ferramentas necessárias

from sklearn.neighbors import NearestNeighbors

import pandas as pd

import numpy as np

# Vamos criar dados fictícios de imóveis: preço, área, número de quartos

dados_imoveis = pd.DataFrame({

'preco': [500000, 320000, 800000, 280000, 950000, 350000],

'area': [180, 120, 250, 100, 300, 130],

'quartos': [4, 3, 5, 2, 6, 3]

})

print("Dados dos imóveis:")

print(dados_imoveis)

# Criando o modelo de vizinhos mais próximos não supervisionado

# Queremos encontrar os 3 imóveis mais similares para cada propriedade

modelo_vizinhos = NearestNeighbors(n_neighbors=3)

modelo_vizinhos.fit(dados_imoveis)

# Vamos encontrar os vizinhos mais próximos para o primeiro imóvel

distancias, indices = modelo_vizinhos.kneighbors(dados_imoveis.iloc[[0]])

print(f"\nPara o imóvel 0 (R$ {dados_imoveis.iloc[0]['preco']:,.0f}):")

print(f"Vizinhos mais próximos: {indices[0]}")

print(f"Distâncias: {distancias[0]}")

# Agora vamos visualizar todos os grupos naturais

distancias_completas, indices_completos = modelo_vizinhos.kneighbors(dados_imoveis)

print("\nMatriz de vizinhança completa:")

for i, (vizinhos, dists) in enumerate(zip(indices_completos, distancias_completas)):

print(f"Imóvel {i} é similar aos imóveis {vizinhos[1:]} com distâncias {dists[1:]:.2f}")

Os detalhes que fazem diferença

Escolher o valor de K certo é fundamental para o sucesso da análise. Um K muito pequeno pode criar grupos muito fragmentados, enquanto um K muito grande pode agrupar elementos que não são realmente similares. A métrica de distância também é crucial – a distância Euclidiana funciona bem para dados contínuos, mas para dados categóricos você pode precisar de outras abordagens. Similarmente, a normalização dos dados é essencial; caso contrário, variáveis com escalas maiores dominarão completamente o cálculo de similaridade.

Seleção de K: Comece com K entre 5 e 15 e ajuste baseado na densidade dos seus dados
Normalização obrigatória: Sempre normalize seus dados antes de aplicar o algoritmo
Métricas de distância: Experimente Euclidean, Manhattan ou Cosine para diferentes tipos de dados
Visualização: Use técnicas como PCA para visualizar os grupos encontrados em 2D ou 3D

Encontrando a estrutura de vizinhança ideal

# Exemplo avançado: encontrando a estrutura de conectividade dos dados
from sklearn.neighbors import kneighbors_graph
import matplotlib.pyplot as plt

# Criando uma matriz de conectividade baseada nos vizinhos mais próximos
# Isso é útil para algoritmos de clustering posteriores
matriz_conectividade = kneighbors_graph(dados_imoveis, n_neighbors=2, mode='connectivity')

print("Matriz de conectividade (mostrando quais pontos estão conectados):")
print(matriz_conectividade.toarray())

# Esta matriz mostra que o imóvel 0 está conectado aos imóveis 1 e 5, etc.
# Essa estrutura pode ser usada em algoritmos como Spectral Clustering

# Exemplo avançado: encontrando a estrutura de conectividade dos dados

from sklearn.neighbors import kneighbors_graph

import matplotlib.pyplot as plt

# Criando uma matriz de conectividade baseada nos vizinhos mais próximos

# Isso é útil para algoritmos de clustering posteriores

matriz_conectividade = kneighbors_graph(dados_imoveis, n_neighbors=2, mode='connectivity')

print("Matriz de conectividade (mostrando quais pontos estão conectados):")

print(matriz_conectividade.toarray())

# Esta matriz mostra que o imóvel 0 está conectado aos imóveis 1 e 5, etc.

# Essa estrutura pode ser usada em algoritmos como Spectral Clustering

Perguntas que os iniciantes fazem

Você deve estar se perguntando: qual a diferença prática entre isso e clustering tradicional? Enquanto algoritmos como K-Means criam grupos rígidos, o vizinhos mais próximos não supervisionados preserva a estrutura local de vizinhança, sendo especialmente útil como pré-processamento para outros algoritmos. Uma confusão comum é achar que este método cria clusters definitivos; na realidade, ele revela relações de proximidade que podem ser exploradas de várias formas. Por que usar isso em vez de ir direto para o clustering? Porque entender a estrutura de vizinhança dos seus dados fornece insights valiosos sobre a densidade e conectividade natural dos pontos.

Quando essa técnica brilha de verdade

O vizinhos mais próximos não supervisionados é particularmente valioso em situações onde você precisa entender a estrutura intrínseca dos dados antes de aplicar técnicas mais complexas. Ele funciona como um “explorador de território” que mapeia o terreno antes que você tome decisões estratégicas. Igualmente importante, ele é excelente para detecção de anomalias – pontos que não têm vizinhos próximos geralmente são outliers que merecem atenção especial. Esta abordagem também é fundamental como primeiro passo em análises de manifold learning, onde assumimos que dados complexos residem em variedades de dimensão inferior.

Para onde ir agora?

Para dominar completamente esta técnica, pratique aplicando-a em conjuntos de dados reais do setor imobiliário ou de e-commerce. Experimente diferentes valores de K e observe como a estrutura de vizinhança se modifica. Posteriormente, use essa análise como entrada para algoritmos de clustering como DBSCAN ou Spectral Clustering, que se beneficiam enormemente de uma boa compreensão da vizinhança local. Lembre-se que a verdadeira maestria vem da combinação desta técnica com outras ferramentas do ecossistema de aprendizado não supervisionado.

Assuntos relacionados

Para aprofundar seu entendimento sobre vizinhos mais próximos não supervisionados, estes conceitos matemáticos e estatísticos são fundamentais:

Geometria de espaços multidimensionais: Compreensão de distâncias e similaridade em alta dimensão
Teoria dos grafos: Estruturas de conectividade e relações de vizinhança
Análise de densidade: Como os pontos se distribuem no espaço de features
Redução de dimensionalidade: Técnicas como PCA e t-SNE para visualização
Métricas de avaliação de clustering: Silhouette score e outras medidas de qualidade

Encontrando o imóvel perfeito: como o KNN classifica oportunidades no mercado imobiliário

Como isso funciona na prática?

Mãos na massa: classificando um novo apartamento

Os detalhes que fazem diferença

Perguntas que os iniciantes fazem

Para onde ir agora?

Assuntos relacionados

Referências que valem a pena

Vizinhos mais próximos não supervisionados: Descobrindo padrões escondidos nos seus dados

Quando você não sabe o que procurar, mas encontra tesouros escondidos

Como isso funciona na prática?

Mãos na massa: exemplo prático com imóveis

Os detalhes que fazem diferença

Encontrando a estrutura de vizinhança ideal

Perguntas que os iniciantes fazem

Quando essa técnica brilha de verdade

Para onde ir agora?

Assuntos relacionados

Referências que valem a pena