SBPO 2026 - Federated Learning para Febre Amarela

Federated Learning para Febre Amarela

Sobre o Projeto

Este repositório contém o código-fonte e os dados utilizados no artigo submetido ao XLVII SBPO, que compara algoritmos de Aprendizado Federado (FedAvg, FedProx, FedAvgM, FedAdam) na predição de óbito por febre amarela utilizando Regressão Logística.

Base de Dados

• Fonte: SINAN/DATASUS - Febre Amarela (casos humanos, 1994-2025)
• Download: Dados Abertos - Febre Amarela

Bibliotecas Utilizadas

• pandas, numpy - Manipulação de dados
• matplotlib - Visualização
• scikit-learn - Regressão Logística
• scipy - Testes estatísticos
• flwr[simulation] - Aprendizado Federado

Estrutura do Repositório

SBPO2026-fl-algorithm/
├── data/
│   └── febre_amarela_casoshumanos.csv
├── images/                 
├── notebooks/
│   └── spbo2026_federated_learning.ipynb
├── .gitignore
├── README.md
└── requirements.txt

Reprodutibilidade

Este repositório contém todos os elementos necessários para reproduzir os experimentos:

1. Dados: Arquivo CSV processado na pasta data/
2. Código: Jupyter Notebook em notebooks/
3. Dependências: requirements.txt

Pré-requisitos

• Python 3.12, não utilizar versões superiores.
• VSCode com extensão Jupyter instalada

Executando no VSCode

• Verifique se o Python, Git, e o VSCode estão instalados antes de executar os passos abaixo.

1. Clone o repositório:

   git clone https://github.com/Lima-PPGEP/SBPO2026-fl-algorithm.git
   cd SBPO2026-fl-algorithm

2. Crie e ative o ambiente virtual:

   Windows

   py -3.12 -m venv venv
   venv\Scripts\activate     # Windows

   Linux

   python3.12 -m venv venv
   source venv/bin/activate

3. Instale as dependências:

   pip install -r requirements.txt

4. Após instalação, recarregue a janela do VSCode:

   • Ctrl+Shift+P → Developer: Reload Window

5. Em seguida selecione o interpretador no VSCode:

   • Ctrl+Shift+P → Python: Select Interpreter
   • Escolha o caminho onde o ambiente virtual: .\venv\Scripts\python.exe Ex.: SBPO2026-fl-algorithm\venv\Scripts\python.exe

6. Abra o notebook no VSCode:

   • Verifique se o Jupyter Notebook está utilizando o mesmo ambiente virtual (venv) para execução.
   • Faça isso clicando no canto superior direito do Jupyter Notebook deve estar escrito Python (descrição do ambiente virtual)

7. Execução:

   • Não execute todas as celulas do Jupyter Notebook utilize o botão Run All ou Ctrl+F5.
   • Os algoritmos de aprendizado federado precisam ser executados um a um devido a estratégia de cliente-servidor.

Nota sobre o Google Colab

O Colab não é recomendado para este notebook devido a conflitos de versão do Flower com as bibliotecas pré-instaladas. Utilize o ambiente local (VSCode) para reproduzir os experimentos.