Please enable JavaScript.

Coggle requires JavaScript to display documents.

Machine learning A1M2 - Coggle Diagram

- - - - 1ª Fase
        
        É a formulação do modelo, chamada de treinamento.
      - 2ª Fase
        
        É o teste, quando o modelo é usado para identificar corretamente os dados de fora do conjunto de treinamento e não rotulados.
    - - Classificação
        
        Quando se estima com base em um conjunto finito de rótulos, que pode ser utilizado para classificar produtos defeituosos, clientes inadimplentes etc.
      - Regressão
        
        Quando se estimam valores reais, por exemplo, o número de vendas, quantidade de matéria-prima necessária para um determinado período, número de produtos com defeito etc.
      - Resumo: Dessa maneira, se o rótulo é um número real, a tarefa chama-se regressão. Se o rótulo vem de um conjunto finito e não ordenado, então a tarefa chama-se classificação. Esse tipo de aprendizado é capaz de tomar decisões precisas quando recebe novos dados não rotulados a partir de um treinamento com dados que têm rótulos conhecidos.
  - - - Os algoritmos de AM não supervisionados utilizam conjunto de dados de entrada não rotulados (sem um resultado conhecido) e, apenas com base em suas características, aprendem a detectar agrupamentos implícitos ou características especialmente úteis para a sua categorização.
  - - - ALGORITMOS DE CLASSIFICAÇÃO SEMISSUPERVISIONADOS - Rotulam, com uma certa margem de segurança, alguns dos dados no conjunto de dados não rotulados, os quais são posteriormente utilizados durante a fase de treinamento do classificador, gerando, assim, uma classificação mais precisa.
      - ALGORITMOS DE CLUSTERIZAÇÃO SEMISSUPERVISIONADOS - Os dados rotulados são utilizados no processo de criação dos clusters, servindo como conhecimento expresso na forma de restrições e, dessa forma, resultando em melhores clusters.