Projeto de Análise Exploratória de Dados (EDA) - Felipe V. Sousa
Bem-vindo(a)! Este repositório apresenta uma Análise Exploratória de Dados (EDA) no conjunto de dados Heart Disease UCI, investigando fatores clínicos e sua relação com a presença de doença cardíaca.
Explorar variáveis clínicas (como age, cholestoral, oldpeak e chest_pain_type) e o diagnóstico (target), para entender distribuições, identificar padrões e avaliar o impacto de duplicatas (>70%) nas associações com doença cardíaca, gerando insights acionáveis e preparando o terreno para modelos preditivos.
Os dados vêm do arquivo Heart Disease UCI, contendo 1025 registros de pacientes (UCI Machine Learning Repository).
- Pandas: Manipulação e análise de dados.
- NumPy: Cálculos numéricos e operações matemáticas.
- Seaborn: Visualizações estatísticas como heatmaps e countplots.
- Matplotlib: Criação de gráficos comparativos e pairplots.
Esta EDA revelou padrões sutis no dataset cardíaco: oldpeak baixo associa-se a maior prevalência de doença (target=1), enquanto typical angina é 3 vezes mais inofensiva e non-anginal pain tem mais de 3 vezes maior chance de indicar doença. Duplicatas (>70%) são proporcionais, com impacto mínimo nas análises (variações ~0.02). A baixa correlação entre variáveis e a mistura nos dados sugerem que modelos de Machine Learning, combinando múltiplas features, têm potencial para alta precisão na classificação de doenças cardíacas.