Os arquivos data34.csv e data17.csv contem dados no mesmo formato. Os
primeiros 64 atributos (separados por ";") representam uma matriz 8x8
de dígitos. Essa matriz é uma repesentação do bitmap de imagens de
digitos manuscritos.  O ultimo atributo é a classe da imagem. No
arquivo data34 as classes são os dígitos "3" e "4"; o arquivo data17
são imagens de "1" e de "7". O "3" e o "4" devem ser mais separaveis
que o "1" e o "7".

Para os dois arquivos, e usando acurácia como métrica:

1) escreva um programa que imprime o bitmap representado por cada dado.

2) Usando validação cruzada, qual é o melhor K do k-vizinhos, com
   métrica euclidiana.

3) Quantize os valores dos atributos em 4 níveis. Implemente um
   classificador usando Baysiano ingenuo. Qual é a acurácia?


4) Usando os valores quantizados acima, faça a redução de
   dimensionalidade usando o chi-quadrado. Qual o efeito no K-vizinhos e
   no BI.

5) Reduza a dimensionalidade usando o PCA. Repita os experimentos do
   4) acima.

6) Implemente algum separador linear. Qual a acurácia.

7) Modifique algum classificador (linear, k-vizinhos, ou BI) para que
   a o valor preditivo positivo para o "1" e o "3" seja o mais alto
   possível, se possível 100%. Qual o efeito na acurácia.

8) Clusterização. Remova o atributo de saída. Clusterize os dados sem
  classificação em 2 grupos, usando o k-means. Repita para 10
  sementes. Qual é a melhor entropia dos grupos gerados, dado a
  classificação correta dos dados? Imprima o bitmap dos centros dos 2 clusters.

9) Repita o 8) para o k-medoide. Qual a diferença em entropia? Imprima
   o bitmap dos centros dos 2 clusters.