39 lines
2.3 KiB
Markdown
39 lines
2.3 KiB
Markdown
|
---
|
|||
|
title: Supervised Learning
|
|||
|
localeTitle: Aprendizagem Supervisionada
|
|||
|
---
|
|||
|
## Aprendizagem Supervisionada
|
|||
|
|
|||
|
Na aprendizagem supervisionada, sabemos qual deve ser a saída correta. Os problemas de aprendizagem supervisionada podem ser categorizados em regressão e classificação. Um problema de regressão é onde você mapeia a entrada para uma saída contínua. Um problema de classificação, ao contrário, é onde você mapeia (agrupa) entradas em categorias distintas.
|
|||
|
|
|||
|
### Regressão
|
|||
|
|
|||
|
Dados dados sobre carros usados como sua milhagem, você pode prever os preços de mercado deles / delas. Como o preço é uma variável contínua, esse é um problema de regressão. Em outro exemplo, a Microsoft lançou um aplicativo da web que prevê idade com base na imagem. Novamente, como a idade é contínua, em vez de discreta ou categórica, isso também é um problema de regressão.
|
|||
|
|
|||
|
### Classificação
|
|||
|
|
|||
|
Os problemas de regressão acima podem ser transformados em problemas de classificação. Suponha que você queira procurar um carro usado com menos de X dólares. Então a saída seria se o carro usado se ajustasse ao preço que você definiu. Da mesma forma, a previsão de idade pode ser um problema de classificação se estivermos pensando em prever se uma foto enviada pertence a alguém com menos de 18 anos e, portanto, não devemos permitir a compra de cigarros.
|
|||
|
|
|||
|
### Pontos de discussão:
|
|||
|
|
|||
|
* O que é especial sobre o aprendizado supervisionado?
|
|||
|
* Em que cenário você usaria?
|
|||
|
* Advertências ou armadilhas para pensar?
|
|||
|
* Quais são alguns exemplos de modelos?
|
|||
|
|
|||
|
#### Exemplo 1:
|
|||
|
|
|||
|
> Dados 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.
|
|||
|
|
|||
|
#### Exemplo 2:
|
|||
|
|
|||
|
(a) Regressão - Para valores de resposta contínua. Por exemplo, dada uma foto de uma pessoa, temos que prever sua idade com base na imagem dada
|
|||
|
|
|||
|
(b) Classificação - para valores de resposta categórica, onde os dados podem ser separados em “classes” específicas. Por exemplo, dado um paciente com um tumor, temos que prever se o tumor é maligno ou benigno.
|
|||
|
|
|||
|
#### Leitura sugerida:
|
|||
|
|
|||
|
* https://en.wikipedia.org/wiki/Supervised\_learning
|
|||
|
* https://stackoverflow.com/a/1854449/6873133
|