Tipos de Aprendizado de Máquina
Aprendizado Supervisionado
Aprendizado supervisionado é uma técnica de aprendizado de máquina na qual o modelo é treinado com um conjunto de treinamento rotulado.
As tarefas mais populares de aprendizado supervisionado são:
-
Regressão (por exemplo, prever o preço de uma casa): é necessário um conjunto de treinamento rotulado com outros preços de casas para isso;
-
Classificação (por exemplo, classificar e-mails como spam/ham): é necessário um conjunto de treinamento rotulado como spam/ham para isso.
Aprendizado Não Supervisionado
Aprendizado não supervisionado é uma técnica de aprendizado de máquina na qual o modelo é treinado com um conjunto de dados não rotulado.
As principais tarefas de aprendizado não supervisionado são agrupamento (clustering), detecção de anomalias e redução de dimensionalidade.
Agrupamento
Agrupa pontos de dados semelhantes em clusters sem rótulos — por exemplo, agrupando e-mails sem saber se são spam ou não.
Detecção de Anomalias
Identifica pontos de dados que fogem dos padrões normais, como transações de cartão de crédito incomuns, sem a necessidade de rótulos de fraude.
Redução de Dimensionalidade
Reduz o número de características preservando informações importantes — também sem uso de rótulos.
Aprendizado por Reforço
O aprendizado por reforço difere significativamente dos dois tipos anteriores. É uma técnica utilizada para treinar veículos autônomos, robôs, IA em jogos e muito mais.
Aprendizado por reforço é uma técnica de aprendizado de máquina na qual o agente (por exemplo, robô aspirador) aprende tomando decisões e recebendo uma recompensa se a decisão for correta e uma penalidade se a decisão for incorreta.
Treinar um cachorro para buscar funciona de maneira semelhante ao aprendizado por reforço: ações corretas recebem uma recompensa, ações incorretas recebem uma penalidade e trazer a bola com sucesso recebe uma recompensa maior, reforçando o comportamento desejado.
1. Para treinar o modelo de ML em uma tarefa de aprendizado supervisionado, é necessário que o conjunto de treinamento contenha o alvo (seja rotulado). Está correto?
2. Para treinar o modelo de ML em uma tarefa de aprendizado não supervisionado, não é necessário que o conjunto de treinamento contenha um alvo (seja rotulado). Está correto?
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 3.13Tipos de Aprendizado de Máquina
Deslize para mostrar o menu
Aprendizado Supervisionado
Aprendizado supervisionado é uma técnica de aprendizado de máquina na qual o modelo é treinado com um conjunto de treinamento rotulado.
As tarefas mais populares de aprendizado supervisionado são:
-
Regressão (por exemplo, prever o preço de uma casa): é necessário um conjunto de treinamento rotulado com outros preços de casas para isso;
-
Classificação (por exemplo, classificar e-mails como spam/ham): é necessário um conjunto de treinamento rotulado como spam/ham para isso.
Aprendizado Não Supervisionado
Aprendizado não supervisionado é uma técnica de aprendizado de máquina na qual o modelo é treinado com um conjunto de dados não rotulado.
As principais tarefas de aprendizado não supervisionado são agrupamento (clustering), detecção de anomalias e redução de dimensionalidade.
Agrupamento
Agrupa pontos de dados semelhantes em clusters sem rótulos — por exemplo, agrupando e-mails sem saber se são spam ou não.
Detecção de Anomalias
Identifica pontos de dados que fogem dos padrões normais, como transações de cartão de crédito incomuns, sem a necessidade de rótulos de fraude.
Redução de Dimensionalidade
Reduz o número de características preservando informações importantes — também sem uso de rótulos.
Aprendizado por Reforço
O aprendizado por reforço difere significativamente dos dois tipos anteriores. É uma técnica utilizada para treinar veículos autônomos, robôs, IA em jogos e muito mais.
Aprendizado por reforço é uma técnica de aprendizado de máquina na qual o agente (por exemplo, robô aspirador) aprende tomando decisões e recebendo uma recompensa se a decisão for correta e uma penalidade se a decisão for incorreta.
Treinar um cachorro para buscar funciona de maneira semelhante ao aprendizado por reforço: ações corretas recebem uma recompensa, ações incorretas recebem uma penalidade e trazer a bola com sucesso recebe uma recompensa maior, reforçando o comportamento desejado.
1. Para treinar o modelo de ML em uma tarefa de aprendizado supervisionado, é necessário que o conjunto de treinamento contenha o alvo (seja rotulado). Está correto?
2. Para treinar o modelo de ML em uma tarefa de aprendizado não supervisionado, não é necessário que o conjunto de treinamento contenha um alvo (seja rotulado). Está correto?
Obrigado pelo seu feedback!
