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
Can you explain the differences between supervised, unsupervised, and reinforcement learning?
Can you give more real-world examples of each type of machine learning?
What are the main advantages and disadvantages of each learning type?
Incrível!
Completion taxa melhorada para 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!
