[MÚSICA] Olá pessoal. Iremos abordoar nesse módulo o tema: Avaliando clientes pelo modelo KNN ou dos vizinhos mais próximos. Dos modelos mais usados Inteligência Artificial e Data Analytics. Olhando nossos slides, o Modelo KNN ou do vizinho mais próximo, inglês K-nearest neighbors, ele é muito usado problemas de classificação nas áreas de marketing, negócios e finanças. Como fazemos para entender o KNN? Dado gráfico, por exemplo, que subdivide bons e maus clientes. As bolas azuis representam bons clientes e as bolas vermelhas maus clientes. Nós temos recorte aqui no espaço. Imagine cliente verde, como colocado aqui no slide, cliente qualquer, cliente novo. E esse cliente novo, sob determinadas caraterísticas que possua, eu quero saber se ele pode ser classificado como bom ou mau cliente. Da mesma forma, quero saber se aquela política da empresa e rendável ou nao. Qualquer classificação que por ventura, seja importante. Aquele vendedor vai performar muito bem ou muito mau. Então qual é a ideia? A ideia é que esse ponto verde que está sendo colocado no espaço, ele está próximo dos demais. E o que nós vamos fazer é o que se mostra aqui na próxima lâmina. Nós observamos por exemplo, número Ímpar de vizinhos. Três, sete ou nove. Geralmente três, sete, nove ou 11 que nós trabalhamos. Vamos supor os três vizinhos mais próximos, aonde eu coloquei círculo verde. O que nós percebemos é que entre os três vizinhos mais próximos, todos são vermelhos. Ele está próximo de todos os vermelhos, logo ele é vermelho. Então, nós imitamos a caraterística mais comum por votação. As setas roxas, estão mostrando que dentro deste círculo verde nós só temos pontos verdes, maus clientes. Infelizmente, o nosso cliente verde aqui, ele é vermelhinho, ou seja ele é mau cliente. Agora aqui, qual será o rótulo do produto? Será que dá para determinar o rótulo do produto, nesse exercício? Produtos com rótulo A, que seriam produtos que venderam bastante. Esses produtos com Rótulo A venderam muito, os vendedores se esforçaram e realmente foi sucesso na última Black Friday. Já os produtos com Rótulos B, não venderam muito bem. E ai eu coloquei aqui separado. Chega novo produto que eu não sei o rótulo dele. Eu não sei se ele é produto que vendeu muito, que vendeu pouco ou etc. E eu quero entender sobre determinadas caraterísticas. O eixo X, é uma característica. O eixo Y é outra caraterística. Os eixos representam os atributos, as caraterísticas. E eu vou calcular a distância, o quanto a estrela vermelha, que é o novo produto, está próximo dos vizinhos. Primeiramente, eu vou escolher número ímpar, então eu vou escolher sete vizinhos. Eu vou criar círculo que contempla sete vizinhos como colocado no slide e eu vou fazer uma votação. Quantos tem rótulo azul e quantos tem rótulo laranja. Há quatro laranjas para três azuis, logo quem ganhou foi o Rótulo A. Então, esse produto formato de estrela vermelha, aqui no caso, ele deve ser colocado como rótulo A, pois ganhou na votação. Esse é o modelo KNN, que por similaridade, por distância, encontra uma forma de dar classes, de dar rótulos aos produtos. Isso é muito importante e uns dos modelos atuais, mais usados nas técnicas de Machine Learning e Inteligencia Artificial. Com isso chegamos ao fim e muito obrigado pessoal.
