Seu desafio é aplicar algoritmos de clusterização hierárquica.
Contexto
A classificação taxonômica é uma tarefa central na biologia, utilizada para compreender as relações entre organismos a partir de traços em comum. A clusterização hierárquica é um método interpretável que simula a formação de relações evolutivas entre espécies, semelhante a uma árvore filogenética.
Neste desafio, foram gerados no mínimo 10 agrupamentos distintos entre as espécies. Para fins didáticos, recomenda-se utilizar 10 como valor mínimo para o número de clusters durante a análise.
Ressaltamos que os dados são sintéticos e não representam comportamentos ou informações de espécies reais.
Dataset
O dataset contém 600 registros, cada um representando uma espécie fictícia. Os atributos foram gerados de forma simulada, mas baseados em princípios inspirados na biologia real.
Atributos numéricos e booleanos
| Nome | Tipo | Descrição |
|---|
| species_id | string | Identificador único da espécie (ex: SP001) |
| body_mass_kg | float | Massa corporal média da espécie (em kg) |
| num_legs | int | Número de membros locomotores (ex: 0, 2, 4, 6) |
| has_wings | bool | Possui asas? (1 = sim, 0 = não) |
| tail_length_cm | float | Comprimento médio da cauda (em centímetros) |
| eye_count | int | Quantidade de olhos (ex: 0, 2, 4) |
| nocturnal | bool | Ativo durante a noite? (1 = sim, 0 = não) |
| avg_lifespan_years | float | Expectativa de vida média da espécie (em anos) |
| has_venom | bool | Espécie possui veneno ou toxina? (1 = sim, 0 = não) |
Atributos categóricos
| Nome | Tipo | Descrição |
|---|
| diet_type | string | Tipo de dieta da espécie: herbivore, carnivore, omnivore |
| skin_type | string | Tipo de cobertura corporal: fur, scales, feathers, skin |
| social_behavior | string | Comportamento social: solitary, pair-living, group-living |
Observação
O dataset se encontra compactado na seção de recursos, é necessário extrair primeiro.
Entrega
Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.
Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?
É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!
Feito com 💜 por Rocketseat 👋
Seu desafio é aplicar algoritmos de clusterização hierárquica.
Contexto
A classificação taxonômica é uma tarefa central na biologia, utilizada para compreender as relações entre organismos a partir de traços em comum. A clusterização hierárquica é um método interpretável que simula a formação de relações evolutivas entre espécies, semelhante a uma árvore filogenética.
Neste desafio, foram gerados no mínimo 10 agrupamentos distintos entre as espécies. Para fins didáticos, recomenda-se utilizar 10 como valor mínimo para o número de clusters durante a análise.
Ressaltamos que os dados são sintéticos e não representam comportamentos ou informações de espécies reais.
Dataset
O dataset contém 600 registros, cada um representando uma espécie fictícia. Os atributos foram gerados de forma simulada, mas baseados em princípios inspirados na biologia real.
Atributos numéricos e booleanos
| Nome | Tipo | Descrição |
|---|
| species_id | string | Identificador único da espécie (ex: SP001) |
| body_mass_kg | float | Massa corporal média da espécie (em kg) |
| num_legs | int | Número de membros locomotores (ex: 0, 2, 4, 6) |
| has_wings | bool | Possui asas? (1 = sim, 0 = não) |
| tail_length_cm | float | Comprimento médio da cauda (em centímetros) |
| eye_count | int | Quantidade de olhos (ex: 0, 2, 4) |
| nocturnal | bool | Ativo durante a noite? (1 = sim, 0 = não) |
| avg_lifespan_years | float | Expectativa de vida média da espécie (em anos) |
| has_venom | bool | Espécie possui veneno ou toxina? (1 = sim, 0 = não) |
Atributos categóricos
| Nome | Tipo | Descrição |
|---|
| diet_type | string | Tipo de dieta da espécie: herbivore, carnivore, omnivore |
| skin_type | string | Tipo de cobertura corporal: fur, scales, feathers, skin |
| social_behavior | string | Comportamento social: solitary, pair-living, group-living |
Observação
O dataset se encontra compactado na seção de recursos, é necessário extrair primeiro.
Entrega
Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.
Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?
É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!
Feito com 💜 por Rocketseat 👋
