1.4) Normalização (Escalonamento) dos Dados: Redes Neurais funcionam melhor quando as features de entrada estão em uma escala semelhante.

1.4) Normalização (Escalonamento) dos Dados: Redes Neurais funcionam melhor quando as features de entrada estão em uma escala semelhante.

1.5) Divisão em Conjuntos de Treino e Teste: É crucial dividir os dados para treinar o modelo em uma parte e testá-lo em dados que ele "nunca viu" antes.

1.6) Construção e Treinamento da Rede Neural: Definição do Modelo (MLP Simples): Vamos construir uma Rede Neural com uma camada de entrada (implícita), uma camada oculta e uma

camada de saída.

1.7) Compilação do Modelo: Definimos o otimizador, a função de perda e as métricas.

1.8) Faça o Treinamento do Modelo para 50 epochs.

1.9) Avaliar no conjunto de testes

1.10) Previsão e Matriz de confusão

Com base no passo a passo e os dados coletados, responda: