Previsão de Séries Temporais de Saúde Pública com XGBoost por Município e Cluster

Este projeto realiza a previsão de morbidade e mortalidade por doenças respiratórias e circulatórias em municípios brasileiros, utilizando XGBoost. Os modelos são treinados por município e/ou por cluster de municípios.

---

Estrutura do Repositório

├── treinoxgboost.ipynb      # Script principal para treinamento com XGBoost (Jupyter Notebook)
├── df_base.zip              # Base de dados principal (CSV comprimido)
├── requirements.txt         # Dependências do projeto
├── top_clusters_salvos/     # Rótulos dos clusters por município (ex: agglo-agglo-geo3-time2-pca3_clusters.csv)
├── models/                  # Diretório com os modelos XGBoost treinados
│   └── xgboost_YYYYMMDD_HHMMSS/ # Modelos de uma execução específica (timestamped)
│       └── COD_MUNICIPIO/   # Ex: Modelos por município ou ID de cluster
│           └── model.xgb    # Exemplo de arquivo de modelo salvo
├── results/                 # Diretório com os resultados da avaliação dos modelos
│   └── xgboost_YYYYMMDD_HHMMSS/ # Resultados de uma execução específica (timestamped)
│       ├── metrics.json     # Exemplo: Métricas de desempenho salvas
│       └── plots/           # Exemplo: Gráficos de avaliação (dispersão, erros, etc.)
└── README.md                # Este arquivo

---

Execução Local com Jupyter Notebook

1. Crie seu ambiente Conda (ajuste conforme necessário):

   conda create -n preditor_xgb python=3.10
   conda activate preditor_xgb
   pip install -r requirements.txt
   # Certifique-se de ter o Jupyter Notebook ou Jupyter Lab instalado
   # pip install notebook jupyterlab 

2. Descomprima a base de dados df_base.zip se necessário, e coloque df_base.csv no local esperado pelo notebook (e.g., data/df_base.csv ou no diretório raiz).

3. Execute o Jupyter Notebook:

   Abra o treinoxgboost.ipynb utilizando Jupyter Notebook ou Jupyter Lab e execute as células para treinar os modelos e gerar os resultados.

   jupyter lab # ou jupyter notebook

---

Modelos Utilizados

• XGBoost:
  • Treinado por cluster e/ou por município.
  • Utiliza janelas temporais como features tabulares.
  • Janela de entrada: (Verificar no notebook, exemplo: 48 semanas)
  • Previsão: (Verificar no notebook, exemplo: soma das 4 semanas seguintes)

---

Avaliação dos Modelos

Para cada modelo treinado (ou conjunto de modelos de uma execução), são salvos no diretório results/xgboost_YYYYMMDD_HHMMSS/:

• Métricas de desempenho: MAE, RMSE, R² (geralmente em arquivos JSON).
• Gráficos de avaliação:
  • Dispersão real vs. predito.
  • Histograma e boxplot dos erros.
• Os modelos treinados são salvos em models/xgboost_YYYYMMDD_HHMMSS/.

---

Requisitos

As dependências do projeto estão listadas no arquivo requirements.txt.

pandas
numpy
matplotlib
seaborn
scikit-learn
xgboost
# torch (se ainda for usado para alguma etapa de pré-processamento ou comparativo)
tqdm
joblib
ipykernel*

---

Contato

[Pedro] — pedro.cmg.camargo@unesp.br