Please enable JavaScript.
Coggle requires JavaScript to display documents.
Mapa Mental: Algoritmos Preditivos e Aprendizagem de Máquina - Coggle…
Mapa Mental: Algoritmos Preditivos e Aprendizagem de Máquina
Regressão
Definição: Técnica estatística usada para modelar a relação entre uma variável dependente e uma ou mais variáveis independentes.
Tipos
Regressão Linear: Modela a relação linear entre variáveis.
Ferramentas: Scikit-learn, Statsmodels (Python), R
Regressão Logística: Usada para classificação binária.
Ferramentas: Scikit-learn, TensorFlow, Keras
Regressão Polinomial: Extensão da regressão linear para modelar relações não lineares.
Ferramentas: Scikit-learn, NumPy
Vantagens
Interpretabilidade e simplicidade.
Boas performances com relações lineares.
Desvantagens
Pode não capturar relações complexas não lineares.
Sensível a outliers.
Árvores de Decisão
Definição: Estrutura em forma de árvore usada para tomada de decisões e predições, dividindo dados em subconjuntos baseados em valores de atributos.
Funcionamento
Cada nó representa uma decisão baseada em um atributo.
As folhas representam as classes ou valores preditos.
Algoritmos Comuns
ID3, C4.5, CART
Vantagens
Weka
KNIME
Scikit-learn (Python)
Ferramentas:
Sensível a outliers.
Ineficiente para grandes conjuntos de dados devido à necessidade de calcular distâncias.
Desvantagens:
Eficaz para pequenos conjuntos de dados.
Simplicidade e fácil implementação.
Vantagens:
A classe ou valor de um novo ponto é determinado pela maioria ou média dos k vizinhos mais próximos.
Baseia-se na distância entre pontos de dados (normalmente distância Euclidiana).
Funcionamento:
Definição: Algoritmo de aprendizado supervisionado usado para classificação e regressão.
. Algoritmo Preditivo Simples (k-NN)
Fácil interpretação e visualização.
Não requer normalização dos dados.
Desvantagens
Propensão ao overfitting.
Sensível a pequenas variações nos dados.
Ferramentas
Scikit-learn
R (rpart)
Weka
Aprendizagem de Máquina
Definição: Campo da ciência da computação focado no desenvolvimento de algoritmos que permitem aos computadores aprender e fazer previsões a partir de dados.
Principais Técnicas:
Aprendizado Supervisionado: Utiliza dados rotulados.
Algoritmos: k-NN, Regressão Linear, Regressão Logística, SVM, Árvores de Decisão, Random Forest
Ferramentas: Scikit-learn, TensorFlow, Keras
Aprendizado Não Supervisionado: Utiliza dados não rotulados.
Algoritmos: K-means, PCA, DBSCAN
Ferramentas: Scikit-learn, TensorFlow, Keras
Aprendizado por Reforço: Aprendizado através de recompensas e punições.
Algoritmos: Q-Learning, Deep Q-Networks (DQN)
Ferramentas: OpenAI Gym, TensorFlow, Keras
Deep Learning: Subcampo focado em redes neurais profundas.
Algoritmos: CNN, RNN, GAN
Ferramentas: TensorFlow, Keras, PyTorch