Please enable JavaScript.

Coggle requires JavaScript to display documents.

Data Science (Estatistica I (Amostras (Amostras Aleatorias (Com Reposição,…

- - - - Com Reposição
      - Sem Reposição
- - - - Modelos Genéricos e Super Ajustados
      - Avaliar o que foi aprendido
      - Balancear os Falsos Positivos e Falsos Negativos e Taxa de Acerto
      - Algoritmos
        
        Árvore de Decisão
        
        Regras
        
        Naive Bayes
        
        Redes Bayesianas
        
        Redes Neurais Artificiais e Aprendizagem Profundo
        
        Maquina de Vetor de Suporte
        
        Metodo de Grupos
        
        Aprendizado Baseado em Instância
      - Técnica de Classificação / Seleção de Atributos
    - - Tarefa não Supervisionada
      - Tipos
      - Algoritmos
        
        K-Means
        
        K-Medoid
        
        DBScan
- - - - Comparado com o que?
      - Bom ou Ruim? (Cor, Sinal)
      - Métricas Incorrentas (Formatação)
      - Tema (Todo dash tem um tema)
      - Tamanho e Resolução
      - Top (Melhores , Piores)
      - Excesso e Falta de Niveis (drill desnecessarios)
      - Proporção 1.6 eixo x e y
    - - Localização
      - Alfabeticamente
      - Tempo
      - Categoria
      - Hierarquica
    - - Data Ink Ratio
      - Elementos Corretos
      - Abuso de Cor
      - Area de Enfase
      - Proporção x(Efeito) y(causa) 1.6
    - - Evitar gráfico de setores
      - Evitar 3D
      - Mostrar 20 numeros os menos
      - Variar Dados, não design
      - Destacar dados, nada mais
      - 3 a 9 elementos