O Que É Classificação
Classificação é uma tarefa de aprendizado supervisionado cujo objetivo é prever a classe de uma instância utilizando suas características. O modelo aprende a partir de exemplos rotulados em um conjunto de treinamento e, em seguida, atribui uma classe a novos dados não vistos.
Regressão prevê um valor numérico contínuo (por exemplo, preço), que pode assumir muitos valores possíveis. Classificação prevê um valor categórico (por exemplo, tipo de doce), escolhendo uma opção de um conjunto limitado de classes.
Existem vários tipos de classificação:
- Classificação binária: o alvo possui dois resultados possíveis (spam/não spam, cookie/não cookie);
- Classificação multiclasse: três ou mais categorias possíveis (spam/importante/anúncio/outro; cookie/marshmallow/doce);
- Classificação multilabel: uma instância pode pertencer a múltiplas classes simultaneamente (um filme pode ser ação e comédia; um e-mail pode ser importante e relacionado ao trabalho).
Para a maioria dos modelos de ML, é necessário codificar o alvo como um número. Para classificação binária, os resultados geralmente são codificados como 0/1 (por exemplo, 1 - cookie, 0 - não cookie). Para classificação multiclasse, os resultados geralmente são codificados como 0, 1, 2, ... (por exemplo, 0 - candy, 1 - cookie, 2 - marshmallow).
Diversos modelos diferentes podem realizar classificação. Alguns exemplos incluem:
- k-Nearest Neighbors;
- Regressão Logística;
- Árvore de Decisão;
- Random Forest.
Felizmente, todos estão implementados na biblioteca scikit-learn e são fáceis de usar.
Nenhum modelo de aprendizado de máquina é superior a outro. O desempenho de cada modelo depende da tarefa específica.
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 difference between binary, multi-class, and multi-label classification in more detail?
What are some common use cases for classification and regression?
How do I choose which classification model to use for my data?
Awesome!
Completion rate improved to 4.17O Que É Classificação
Deslize para mostrar o menu
Classificação é uma tarefa de aprendizado supervisionado cujo objetivo é prever a classe de uma instância utilizando suas características. O modelo aprende a partir de exemplos rotulados em um conjunto de treinamento e, em seguida, atribui uma classe a novos dados não vistos.
Regressão prevê um valor numérico contínuo (por exemplo, preço), que pode assumir muitos valores possíveis. Classificação prevê um valor categórico (por exemplo, tipo de doce), escolhendo uma opção de um conjunto limitado de classes.
Existem vários tipos de classificação:
- Classificação binária: o alvo possui dois resultados possíveis (spam/não spam, cookie/não cookie);
- Classificação multiclasse: três ou mais categorias possíveis (spam/importante/anúncio/outro; cookie/marshmallow/doce);
- Classificação multilabel: uma instância pode pertencer a múltiplas classes simultaneamente (um filme pode ser ação e comédia; um e-mail pode ser importante e relacionado ao trabalho).
Para a maioria dos modelos de ML, é necessário codificar o alvo como um número. Para classificação binária, os resultados geralmente são codificados como 0/1 (por exemplo, 1 - cookie, 0 - não cookie). Para classificação multiclasse, os resultados geralmente são codificados como 0, 1, 2, ... (por exemplo, 0 - candy, 1 - cookie, 2 - marshmallow).
Diversos modelos diferentes podem realizar classificação. Alguns exemplos incluem:
- k-Nearest Neighbors;
- Regressão Logística;
- Árvore de Decisão;
- Random Forest.
Felizmente, todos estão implementados na biblioteca scikit-learn e são fáceis de usar.
Nenhum modelo de aprendizado de máquina é superior a outro. O desempenho de cada modelo depende da tarefa específica.
Obrigado pelo seu feedback!
