ml-pipelinelisted

# Skill: ml-pipeline Cria ou modifica pipeline de Machine Learning para projetos de saude. ## Estrutura padrao ``` data/ raw/ # dados brutos processed/ # dados processados src/ data/ # loading e preprocessing features/ # feature engineering models/ # treinamento e avaliacao utils/ # helpers notebooks/ # exploracaao e analise configs/ # hiperparametros ``` ## Passos ### 1. Data Loading - Identificar fonte (CSV, Parquet, DataSUS, API) - Carregar com dtypes corretos - Documentar shape, colunas, tipos ### 2. Preprocessing - Missing values: avaliar padrao (MCAR/MAR/MNAR) - Sentinel values: 9, 99, 999 sao comuns em dados de saude - Encoding: OneHot para categoricas baixa cardinalidade, Target/Label para alta - Scaling: StandardScaler para modelos lineares, desnecessario para tree-based ### 3. Feature Engineering - Criar features clinicamente relevantes - Feature selection: importancia, correlacao, VIF - Documentar cada feature criada e justificativa clinica ### 4. Treinamento Algoritmos preferidos (ordem): 1. LightGBM (padrao) 2. XGBoost 3. CatBoost 4. Random Forest 5. Logistic Regression (baseline) 6. TabPFN (datasets pequenos < 10K) Cross-validation: StratifiedKFold (k=5 ou k=10) Balanceamento: SMOTE ou class_weight='balanced' ### 5. Avaliacao Metricas obrigatorias para classificacao binaria: - AUROC, AUPRC - Sensibilidade, Especificidade - F1-Score - Calibration (Brier Score) Graficos: R