🌦️ Classificação do Tipo de Clima com Machine Learning

Decision Tree Classifier interpretável para previsão de clima

Este projeto utiliza o dataset Weather Type Classification, disponível no Kaggle:

🔗 https://www.kaggle.com/datasets/nikhil7280/weather-type-classification

O objetivo é construir um modelo de Machine Learning capaz de classificar o tipo de clima com base em variáveis meteorológicas, priorizando:

• Interpretabilidade do modelo
• Baixo risco de viés
• Uso de variáveis puramente meteorológicas (sem localização ou estação)
• Boa capacidade de generalização

O resultado final foi uma Árvore de Decisão extremamente interpretável, com apenas 3 níveis de profundidade (max_depth=3) e uma acurácia média de 88%.

---

📁 1. Visão Geral do Projeto

Este projeto aborda a tarefa de classificação do tipo de clima baseado em dados reais e sintéticos de características meteorológicas.
A proposta inclui:

• Exploração dos dados
• Pré-processamento com Pipeline
• Comparação de modelos
• Interpretação de uma árvore de decisão otimizada
• Avaliação com validação cruzada (K-fold)

Apesar de modelos mais complexos obterem leve ganho de performance, a escolha final privilegia simplicidade e explicabilidade — fundamentais em contextos ambientais.

---

📊 2. Descrição do Dataset

O dataset contém variáveis meteorológicas contínuas e categóricas. As principais features:

🔹 Variáveis Numéricas

• Temperatura (°C)
• Umidade (%)
• Velocidade do Vento (km/h)
• Precipitação (%)
• Pressão Atmosférica (hPa)
• Índice UV
• Visibilidade (km)

🔹 Variáveis Categóricas

• Cobertura de Nuvens
• Estação do Ano
• Localização
• Tipo de Clima (alvo)

Algumas variáveis incluem valores extremos propositalmente, reforçando o desafio do problema.

---

🧹 3. Pré-processamento

Todo o pré-processamento foi realizado dentro de um Pipeline do scikit-learn:

• StandardScaler → variáveis numéricas
• OneHotEncoder → variáveis categóricas
• Remoção de variáveis que podem introduzir viés (Estação, Localização)

O treino foi avaliado com validação cruzada (k=5).

---

🤖 4. Modelo Utilizado

Após testar Decision Tree, Random Forest, XGBoost e CatBoost, escolheu-se:

DecisionTreeClassifier(
    max_depth=3,
    min_samples_split=10,
    random_state=11
)