-
Notifications
You must be signed in to change notification settings - Fork 0
/
README.txt
51 lines (28 loc) · 1.5 KB
/
README.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
# Projeto Final de Graduação - Leonardo Pacheco - UFRJ - LAVI
Database Utilizada: https://www02.smt.ufrj.br/~offshore/mfs/page_01.html
Para executar todo o código, siga os seguintes passos:
1 - Clonar o Repositório GitHub
É aconselhável utilizar o editor de texto Visual Studio Code para rodar os códigos localmente
2 - Instale o Python 3 em sua máquina
2 - Criar um ambiente virtual
Utilizando o VS Code, pressione ctrl + J para abrir o terminal
Em seguida, digite o seguinte comando:
```
python3 -m venv .venv
```
3 - Instale as bibliotecas contidas no arquivo requirements.txt
Para isto, basta executar
```
pip install -r requirements.txt
```
4 - Baixe a base de dados MAFAULDA
Baixe e descompacte os arquivos da base de dados numa pasta chamada database/dados_brutos
5 - Configure o arquivo models/__init__.py
Dentro do arquivo init.py, configure as seguintes variáveis:
path_dados_brutos -> local onde estão localizados os arquivos da base MAFAULDA
path_dados_tratados -> local onde quer salvar os dados que serão tratados.
É necessária a criação da pasta antes da execução do código.
6 - Utilize o arquivo gerar_dados_tratados.py para tratar os dados brutos
Configure qual o número de harmônicos que deseja utilizar para tratar os dados
7 - Utilize o arquivo rodar_machine_learning.py para executar o algoritmo de aprendizado de máquina
Caso possua alguma dúvida quanto ao algoritmo, entre em contato via e-mail com [email protected]