Aprendizado de maquina não supervisionado

Prévia do material em texto

APRENDIZADO DE MAQUINA NÃO SUPERVISIONADO
 LUANA MARIA MOURA DO NASCIMENTO 
 INTRODUÇÃO
O aprendizado de maquina é um subcampo da inteligência artificial, onde tem um objetivo de desenvolver técnicas de aprendizagem, reconhecendo os padrões e ganhando experiencia com os dados afim de encontrar respostas ou melhorando a performasse do processo que foi retirado os dados (MITCHELL, 1997). 
APRENDIZAGEM DE MAQUINA NÃO SUPERVISIONADA
 A aprendizagem não supervisionada é um ramo do Machine Learning , onde o algoritmo aprende de acordo com informações não rotulados previamente, encontrando compatibilidade entre os dados para assim encontrar uma solução para um determinado problema. Os algoritmos utilizados nesses casos encontram respostas mesmo quando não se tem dados suficientes tanto na entrada como na saída (resultado) esperada. (Alige,2019)
Na aprendizagem de máquina não supervisionado, existem técnicas que são utilizadas para chegar aos objetivos, algumas delas são:
A clusterização – É Técnica utilizada para dividir em grupos os dados de acordo com a paridade entre eles, isso é feito de forma automática.
Um dos algoritmos de Clusterização mais utilizado é o K-means o algoritmo tem o objetivo de classificar os dados, baseando em analises e comparações entre os próprios dados. Assim o algoritmo automaticamente disponibiliza os agrupamentos dos semelhantes, sem precisar de intervenção humana. (Alige,2019)
A verificação de anomalias, onde tem como objetivo encontrar dados incomuns, entre um grupo de dados, isso tudo é feito de forma automática pelo algoritmo. Essa verificação é importante para identificar transações enganosas ou até mesmo erro humano. (Alige,2019)
A mineração de associação, tem como objetivo analisar os grupos de dados para identificar itens que se repetem nos conjuntos. Um exemplo dessa técnica são as análises em carrinhos de compra de sites, onde são verificados quais produtos são mais comprados juntos, por determinados clientes. (Alige,2019) 
BANCO BETA 
O banco Beta precisa resolver o problema de segmentação da carteira de cliente, para isso podemos utilizar o algoritmo de kNN.
O algoritmo de KNN(K — Nearest Neighbors) usa campo de data mining e machine learning, onde faz uma classificação para agrupar seus iguais, aprendendo assim com essa seleção.( José,2018) 
Utilizando esse algoritmo o processo ficaria da seguinte forma:
1 - O algoritmo recebe dados não classificado
2 - O algoritmo mede a distância do novo dado em relação a cada um dos outros dados que já estão classificados, mesmo os grupos podem ser classificados em grupos menores.
3 - Depois será feita uma seleção das K menores distâncias.
4 – Com as menores distancias selecionadas é feita a verificação das classes, depois é feita a contabilização da quantidade de vezes que cada classe apareceu.
5  -  O dado é classificado, obtendo assim o resultado. (Didática Tech,2020)
 CONCLUSÃO
O aprendizado de máquina não supervisionado é uma das técnicas que mais geral resultados aplicáveis em problemas do cotidiano. Como o objetivo é encontrar padrões não descritivos previamente, para assim encontrar soluções de acordo com as classificações dos padrões encontrados. Definitivamente é uma técnica que irá ter mais crescimento com o tempo.
 BIBLIOGRAFIA
MITCHELL, T. M. Machine Learning.Nova Iorque: McGraw-Hill, 1997. 414 p. ISBN 978-0070428072.
AGILE. Entenda o aprendizado não supervisionado no Machine Learning. Disponível em: https://www.aliger.com.br/blog/machine-learning-entenda-o-que-e-aprendizado-nao-supervisionado/. Acessado em 13 junho 2021
JOSÉ, ÍTALO KNN K-Nearest Neighbors. Disponível em: https://medium.com/brasil-ai/knn-k-nearest-neighbors-1-e140c82e9c4e. 2018 Acessado em 15 junho 2021
Didática Tech Inteligência Artificial & Data Science. O que é e como funciona o algoritmo KNN?. Disponível em: https://didatica.tech/o-que-e-e-como-funciona-o-algoritmo-knn/. Acessado em 15 julho 2021