UNIVERSIDADE FEDERAL DE MINAS GERAIS

INSTITUTO DE CIÊNCIAS EXATAS

DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO
Algoritmos para Bioinformática – Primeiro Semestre 2019

Mineração de dados utilizando álgebra linear

Trabalho Prático

Observações

1) O trabalho é estritamente individual. Trabalhos julgados iguais terão nota zero sem prejuízo das
demais sanções.
2) Data limite para entrega: 25/04/2019; valor 25 pontos. Entregar na secretaria do DCC (quinto
andar do Anexo U)
3) A documentação é parte fundamental do trabalho; favor inteirar-se do formato sugerido para o
relatório.
4) Sinta-se à vontade em procurar-me para esclarecer dúvidas e/ou resolver problemas. Estarei à
disposição às terças e quintas na sala 7313 no Anexo U do ICEx.

Roteiro

Sejam os problemas Cancer Wisconsin (Diagnostic), Seeds e Iris do repositório

archive.ics.uci.edu/ml. Eles também estão presentes na outra base de dados, o Kaggle.

i) Disponibilizar as informações dos problemas no seu ambiente de trabalho. Isto é, vá

ao ‘Data Folder’ do repositório, baixe os dados (copy/paste funciona bem aqui) e
importe os dados para o ambiente de prototipagem escolhido (Scilab ou MatLab). Os
resultados deste item deverão ser matrizes de números onde as colunas representam as
características e as linhas os indivíduos de cada um dos problemas. Isto é, cada
elemento de uma das 3 bases será caracterizado pelo seu conjunto de features
(características). As colunas que não interessam à classificação (como a primeira e
última colunas – identificação e classe – do problema de câncer) deverão ser retiradas.

ii) No caso do câncer, a coluna de número 7, quando da importação que eu fiz,

apareceram 10 indivíduos com valores inválidos na coluna 7. Sinta-se à vontade para,
ou retirar os indivíduos com este problema (por volta de 10), ou para retirar esta coluna
da matriz - ignorar esta coluna. Por facilidade, eu retirei esta coluna: A(:, 7) = [];

iii) Fazer a decomposição por valores singulares para cotejar o número de grupos e
providenciar a visualização.

iv) Fazer um modelo de regressão logística para classificar uma das categorias de cada
uma de suas bases de dados.

v) Usar o kmeans para separar os dados, mostrando os resultados em um gráfico. Claro,

tirar proveito da decomposição por valores singulares para executar resolver este item

Marcos Augusto dos Santos