🚀 MVP Machine Learning & Analytics - Predição do Impacto de Publicações Científicas Brasileiras em Medicina (2005–2021)

Análise Supervisionada para Classificação e Regressão do Impacto Científico Baseado em Colaboração Internacional, Acesso Aberto e Perfil de Autoria

Este repositório contém o desenvolvimento de um Minimum Viable Product (MVP), realizado no contexto da disciplina de ML da PUC-Rio no curso de pós graduação em em Ciência de Dados & Analytics. Este projeto implementa modelos de Machine Learning supervisionado para predição do impacto de publicações científicas brasileiras na área de Medicina, dando continuidade à análise exploratória realizada no MVP anterior (Análise de Dados e Boas Práticas). Utilizamos o dataset consolidido e tratado para construir modelos preditivos que identificam os fatores determinantes do impacto científico medido através de citações.

---

🎯 Objetivos do Projeto

Desenvolver e comparar modelos supervisionados de regressão e classificação para prever o impacto de publicações científicas com base em variáveis-chave identificadas na análise exploratória inicial:

• Regressão: Prever o número exato de citações (citedby_count)
• Classificação: Categorizar o impacto em Baixo, Médio ou Alto com base nas citações

📊 Dataset

Continuação do trabalho anterior - Utilizamos o dataset tratado e enriquecido do MVP de Análise Exploratória:

🔗 Acesse o dataset completo no link público do Google Drive (https://drive.google.com/file/d/1fOpCZXMsiPxXhi9U9U4eJwlQo8yHZia8/view?usp=drive_link) Escopo: Publicações com pelo menos um autor afiliado ao Brasil na área da Medicina (2005-2021) Formato: CSV tratado e limpo, aproximadamente 250 mil registros Variáveis selecionadas: 5 variáveis mais relevantes identificadas na análise exploratória

🧠 Hipóteses Testadas

• Colaboração Internacional → Maior impacto e visibilidade
• Acesso Aberto → Mais citações por maior disseminação
• Número de Autores → Correlação positiva com impacto científico
• Ano de Publicação → Efeito temporal no acúmulo de citações

⚙️ Metodologia Técnica

REGRESSÃO (Valor contínuo)

• Random Forest Regressor
• Linear Regression

CLASSIFICAÇÃO (Categorias)

• Random Forest Classifier
• Logistic Regression

---

📂 Etapas do MVP

• 1: CONFIGURAÇÕES DO AMBIENTE E IMPORTAÇÕES
• 2: ⁠CARGA DE DADOS
• 3: PREPARAÇÃO DOS DADOS PARA MODELAGEM
• 4: ANÁLISE EXPLORATÓRIA DOS DADOS
• 5: TESTE DAS HIPÓTESES
• 6: TRATAMENTO DE DADOS
• 7: PREPARAÇÃO PARA MODELAGEM
• 8: MODELAGEM - REGRESSÃO
• 9: ANÁLISE DOS MODELOS DE REGRESSÃO - RESULTADOS CONSOLIDADOS
• 10: MODELAGEM - CLASSIFICAÇÃO
• 11: OTIMIZAÇÃO DE HIPERPARÂMETROS
• 12: ANÁLISE COMPARATIVA DOS MODELOS (CLASSIFICAÇÃO + REGRESSÃO)
• 13: CONCLUSÕES FINAIS E RECOMENDAÇÕES
• 14: LIMITAÇÕES E PRÓXIMOS PASSOS
• 15: CHECKLIST