Os dados necessariamente devem ser construidos em excel, ou sugerem outras extensões para alocá-los, existe uma maneira correta de colocá-los para a leitura dos features?
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Os dados necessariamente devem ser construidos em excel, ou sugerem outras extensões para alocá-los, existe uma maneira correta de colocá-los para a leitura dos features?
Olá, Aline! Tranquilo?
Para trabalhar com dados em projetos de Machine Learning, como o aprendizado não supervisionado, você não está restrita a usar apenas o Excel.
Existem várias maneiras de armazenar e manipular dados. E a escolha pode depender do tamanho do conjunto de dados, da complexidade do projeto e das ferramentas que você está utilizando.
Algumas alternativas ao Excel que você pode considerar:
CSV (Comma-Separated Values): É uma das formas mais comuns de armazenar dados tabulares. É simples, amplamente suportado e fácil de manipular com bibliotecas como pandas em Python.
SQL Databases: Para conjuntos de dados maiores ou quando você precisa de funcionalidades de consulta mais avançadas, bancos de dados relacionais como MySQL ou PostgreSQL podem ser úteis.
NoSQL Databases: Para dados não estruturados ou semi-estruturados, bancos de dados NoSQL como MongoDB podem ser uma boa escolha.
Em relação à organização dos dados para leitura dos features, o importante é garantir que cada linha (ou registro) do seu conjunto de dados represente uma observação e cada coluna (ou campo) represente uma feature ou atributo dessa observação. Isso facilita a aplicação de algoritmos de machine learning, que geralmente esperam os dados nesse formato.
Por exemplo, se você estiver usando Python, a biblioteca pandas é excelente para manipular dados tabulares e pode ler arquivos em muitos formatos diferentes como CSV, Excel e SQL. A partir daí, você pode facilmente preparar seus dados para serem usados em algoritmos de aprendizado de máquina.
Espero ter ajudado e fico à disposição se precisar.
Abraço e bons estudos!