N1-Inteligência Analítica

Prévia do material em texto

O restaurante em questão, possui basicamente dois pratos principais que são
servidos diariamente: feijoada e filé à parmegiana. Visando a agilidade, eles optam por
deixarem esses pratos pré-prontos, e por isso há muitas sobras, o que gera
desperdício. Então, saber as tendências (previsão) de vendas facilitaria o pré-preparo e
ajudaria a mitigar os desperdícios e despesas, ou seja, quais variáveis estão
envolvidas nisso - clima,temperatura,vento e outras - levando em consideração que
cada um desses dois pratos tem suas particularidades.
Visando a resolução do problema, o dono do restaurante reuniu os dados
observados durante 14 dias numa planilha, ou seja, basicamente, ele utilizou uma
técnica de aprendizado supervisionado e fez um processo de classificação dos
elementos, conforme Regras de Associação é possível chegar a relações interessantes
entre esses dados, o que levará ao resultado final, que é encontrar uma forma de
“adivinhar” qual será o prato mais vendido do dia seguinte, diminuindo os desperdícios
e potencializando os lucros como consequência.
Utilizando o algoritmo de Navy Baye, cujos conceitos se baseiam em fazer uma
previsão de acordo com os dados obtidos durante o treinamento, conforme a tabela
que reúne os dados observados pelo proprietário durante os 14 dias, será possível
classificar que o prato mais vendido no 15º dia, cuja previsão é de sol, temperatura fria,
umidade normal e muito vento.
Com o algoritmo de Naive Bayes pode-se encontrar uma probabilidade
multiplicando a probabilidade “anterior” pela probabilidade “seguinte” (BECKER, 2019).
Aplicando ao contexto do restaurante, podemos chegar ao resultado de diversas
formas, uma delas é aplicando em python, com a implementação da biblioteca sklearn
(http://scikit-learn.org/). A Sklearn disponibiliza o Naive Bayes de 3 formas: (i)
Gaussian; (ii) Multinomial; (iii) Bernoulli. Cada aplicação depende do problema que será
resolvido.
http://scikit-learn.org/