1. Importação das Bibliotecas

Utilizaremos as seguintes bibliotecas para o projeto KNN: - pandas: manipulação e análise de dados tabulares, facilitando a leitura, filtragem e transformação dos dados. - numpy: operações matemáticas e manipulação eficiente de arrays numéricos, base para cálculos de alta performance. - matplotlib: criação de gráficos estáticos para visualização dos dados e dos resultados das classificações. - seaborn: gráficos estatísticos avançados e integração com pandas para visualizações mais sofisticadas. - scikit-learn: ferramentas essenciais para machine learning, incluindo: - KNeighborsClassifier para realizar a classificação; - accuracy_score, classification_report e confusion_matrix para avaliar o desempenho do modelo; - StandardScaler e LabelEncoder para pré-processamento dos dados.

Importar e configurar essas bibliotecas no início do projeto garante um ambiente robusto para análise, visualização e modelagem. O uso de aliases (pd, np, plt, sns) torna o código mais limpo e padronizado.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
from sklearn.preprocessing import StandardScaler, LabelEncoder