Vetor olfativo
1.487 atributos de notas, acordes, famílias e contexto foram reduzidos para 48 dimensões.
Catálogo brasileiroEscolha guiada por dados olfativos
Seu próximo perfume começa com uma sensação.
Responda 6 perguntas. Um modelo de similaridade cruza seu perfil com fragrâncias observadas no mercado brasileiro.
Encontrar meu perfume3.176 perfumes05/08/2026 data da coleta100% processamento local
Recomendação guiada
Conte o que você procura.
As respostas formam um vetor de preferência. O KNN procura os perfumes mais próximos dentro do orçamento.
Para quem
Como você prefere explorar o catálogo?
A opção unissex mantém perfumes classificados dessa forma na fonte.Outras formas de explorar
Uma base. Diferentes perguntas.
KNN por similaridade olfativa
Parta de um perfume conhecido.
O modelo busca os vizinhos mais próximos em 48 dimensões usando distância do cosseno.Vizinhos mais próximos
Alternativas econômicas
A pontuação vem da distância do cosseno entre os vetores aprendidos.
Modelos aplicados
O que acontece por trás de cada resultado.
KNN
A distância do cosseno encontra os vizinhos mais próximos de um perfume ou do vetor das respostas.
8 perfis aprendidos
O agrupamento hierárquico separou 2.404 fragrâncias a partir da proximidade entre os vetores.
Preço esperado
O gradient boosting estima o preço por 100 ml e alimenta o ranking de custo benefício.
99,0% concordância de perfil nos 5 vizinhos0,37 silhueta dos agrupamentos0,77 R² fora da amostra no log do preço
Projeto aberto e auditável
Dados, modelos e interface em uma aplicação estática.
O ParfuML é um projeto educacional de ciência de dados. O navegador lê um catálogo sanitizado com 3.176 perfumes, combina as respostas do questionário com vetores de 48 dimensões e calcula o ranking sem enviar as escolhas para um servidor do projeto.
Privacidade por concepção
Sem cadastro, cookies próprios, analytics, formulários ou banco de visitantes.
Catálogo sanitizado
Sem URLs de compra, nomes de lojas, vendedores, SKUs ou estoque individual.
Limites explícitos
Preços são históricos e as previsões dos modelos são estimativas sujeitas a erro.