ML

Repositório para organizar estudos, implementações e análises relacionadas a problemas de sobreposição de classes em Machine Learning.

📚 Estrutura do Repositório

ML/
├── Papers/                      # Resumos e anotações de artigos científicos
│   ├── P1/
│   ├── P2/
│   ├── P3/
│   ├── P4/
│   ├── P5/
│   ├── P6/
│   └── README.md               # Lista de papers estudados e métricas citadas
│
└── Projeto/                     # Implementações das medidas de sobreposição
    ├── measures/                # Código das medidas implementadas
    ├── tests/                  # Testes automatizados
    ├── examples/               # Scripts de exemplo de uso
    └── README.md               # Documentação detalhada do projeto

---

📖 Papers/

Contém resumos e anotações dos artigos científicos estudados, com foco em:

• Medidas de sobreposição de classes (F1-SVDD, R-value, kDN, etc.)
• Métodos de avaliação (Accuracy, AUC, F1-score, etc.)
• Estratégias para lidar com sobreposição (merging, discarding, separating)

Ver Papers/README.md para lista completa de métricas e referências.

---

🔬 Projeto/

Implementação prática das medidas de sobreposição de classes em Python.

Ver Projeto/README.md para documentação completa.

---

🎯 Objetivos do Projeto

1. Implementar medidas de sobreposição de classes de diferentes papers
2. Validar implementações com datasets do OpenML
3. Comparar medidas através de experimentos sistemáticos
4. Desenvolver biblioteca reutilizável para a comunidade científica

---

🛠️ Workflow de Desenvolvimento

1. Estudar paper → Papers/
2. Anotar conceitos → Papers/README.md
3. Implementar medida → Projeto/measures/
4. Criar testes → Projeto/tests/
5. Validar com datasets → Projeto/examples/
6. Documentar → Projeto/README.md

---