Este módulo investiga como estruturar uma tarefa como um problema de machine learning e abrange muitos termos básicos de vocabulário compartilhados em uma ampla variedade de métodos de machine learning (ML).
Enquadramento
O que é machine learning (supervisionado)?
Aprendizado de sistemas de ML
como combinar entrada
para produzir previsões úteis
em dados nunca vistos antes
Terminologia: identificadores e atributos
- Label é a variável que estamos prevendo.
- Normalmente representado pela variável y
Terminologia: identificadores e atributos
- Label é a variável que estamos prevendo.
- Normalmente representado pela variável y
- Os recursos são variáveis de entrada que descrevem nossos dados.
- Normalmente representada pelas variáveis {x1, x2, ..., xn}
Terminologia: exemplos e modelos
- Exemplo é uma instância específica de dados, x
- Exemplo rotulado tem {features, label}: (x, y)
- Usado para treinar o modelo
- Exemplo não rotulado tem {features, ?}: (x, ?)
- Usada para fazer previsões de novos dados.
Terminologia: exemplos e modelos
- Exemplo é uma instância específica de dados, x
- Exemplo rotulado tem {features, label}: (x, y)
- Usado para treinar o modelo
- Exemplo não rotulado tem {features, ?}: (x, ?)
- Usada para fazer previsões de novos dados.
- Model mapeia exemplos para rótulos previstos: y'
- Eles são definidos por parâmetros internos, que são aprendidos.