Inspirado por Junhong Wang em sua serie “My Machine Learning Daiary”.
Estou iniciando nesse mundo sobre Machine Learning. A primeira etapa é o curso Machine Learning no Coursera por Andrew Ng. Hoje conclui a semana 1 e trago algumas anotações relevantes e algumas terminologias interessantes.
O que é aprendizado de máquina?
“O campo de estudo que dá aos computadores a capacidade de aprender sem ser explicitamente programado” — Arthur Samuel
“Diz-se que um programa de computador aprende com a experiência E em relação a alguma classe de tarefas T e medida de desempenho P, se seu desempenho em tarefas em T, medido por P, melhora com a experiência E.” — Tom Mitchell
Aprendizagem Supervisionada
Na aprendizagem supervisionada, nos é dado um conjunto de dados e já sabemos como deve ser nossa saída correta, tendo a ideia de que existe uma relação entre a entrada e a saída.
Os problemas de aprendizagem supervisionada são categorizados em problemas de “regressão” e “classificação”.
Exemplo 1:
Dados sobre o tamanho das casas no mercado imobiliário, tentam prever seu preço. Preço em função do tamanho é uma saída contínua, então este é um problema de regressão.
Poderíamos transformar esse exemplo em um problema de classificação, fazendo com que a nossa produção sobre se a casa “vende por mais ou menos que o preço pedido”. Aqui estamos classificando as casas com base no preço em duas categorias distintas.
Exemplo 2 :
Regressão — Dada uma imagem de uma pessoa, temos que prever sua idade com base na imagem dada
Classificação — Dado um paciente com um tumor, temos que prever se o tumor é maligno ou benigno.
Aprendizagem não supervisionada
O aprendizado não supervisionado nos permite abordar problemas com pouca ou nenhuma ideia de como devem ser nossos resultados. Podemos derivar estrutura de dados onde não necessariamente sabemos o efeito das variáveis.
Podemos derivar essa estrutura agrupando os dados com base nos relacionamentos entre as variáveis nos dados.
Com aprendizado não supervisionado, não há feedback baseado nos resultados da previsão.
Em aprendizagem não supervisionada podem ser agrupados em problemas de agrupamento (Clustering) ou Associação (Association).
Exemplo
“Clustering” ou agrupamento é o processo de agrupar entidades semelhantes. O objetivo dela é encontrar semelhanças no ponto de dados e agrupa-los.
“Association” ou associação é onde você deseja descobrir regras que descrevem grandes partes de seus dados. Um exemplo é o algoritmo Cocktail Party.
Referências
