Projeto da fase 3 da pós em Machine Learning Engineering focado na análise exploratória e modelagem preditiva de atrasos de voos nos Estados Unidos, utilizando técnicas de Machine Learning supervisionado e não supervisionado.
Desenvolver um pipeline completo de análise de dados capaz de:
- Explorar e entender os dados de voos (EDA)
- Identificar padrões e fatores relacionados a atrasos
- Tratar valores ausentes de forma adequada
- Construir modelos de Machine Learning para previsão de atrasos
- Aplicar técnicas de aprendizado não supervisionado para identificar padrões ocultos
- Avaliar e interpretar os resultados
O projeto utiliza três datasets principais:
- flights.csv → informações dos voos (atrasos, horários, distâncias)
- airlines.csv → identificação das companhias aéreas
- airports.csv → informações dos aeroportos (cidade, estado, etc.)
Essas bases foram integradas para enriquecer a análise.
- Merge das bases
flights,airlineseairports - Criação de dataset consolidado
- Estatísticas descritivas
- Visualizações de dados
- Identificação de padrões de atraso por:
- companhia aérea
- aeroporto
- dia da semana
- horário
- Remoção de voos cancelados
- Tratamento de valores ausentes com base no contexto
- Criação da variável alvo:
IS_DELAYED(classificação)
Objetivo: prever se um voo irá atrasar ou não.
Modelos utilizados:
- Logistic Regression
- Decision Tree
Objetivo: identificar padrões e agrupar voos com características semelhantes.
Etapas realizadas:
- Seleção de variáveis numéricas relevantes
- Padronização dos dados
- Definição do número de clusters (Elbow Method)
- Aplicação do algoritmo K-Means
- Redução de dimensionalidade com PCA para visualização
- Accuracy
- Precision
- Recall
- F1-score
- Matriz de confusão
- Análise visual dos clusters (PCA)
- Interpretação dos grupos formados
- Atrasos variam significativamente entre companhias aéreas
- Alguns aeroportos apresentam maior incidência de atrasos
- Horários ao longo do dia influenciam a probabilidade de atraso
- A clusterização revelou diferentes perfis de voos com comportamentos distintos
O projeto demonstrou que os atrasos de voos não ocorrem de forma aleatória, estando associados a fatores como companhia aérea, horário e características operacionais.
A modelagem supervisionada mostrou que é possível prever a ocorrência de atrasos com base em dados históricos, enquanto a clusterização permitiu identificar diferentes perfis de voos, evidenciando padrões ocultos nos dados.
Essas abordagens complementares contribuem para uma compreensão mais completa do problema, podendo apoiar análises e decisões no contexto operacional.