Algoritmo Preditivo Simples (K-NN) e Regressões, Árvores de Decisão e Aprendizagem de Máquina

Prévia do material em texto

Algoritmo 
Preditivo Simples 
(K-NN) e 
Regressões, 
Árvores de 
Decisão e 
Aprendizagem de 
Máquina
Algoritmo Preditivo Simples (k-
NN)
Descrição Detalhada ou Significado do 
Algoritmo Preditivo Simples (k-NN) O algoritmo k-NN é um algoritmo de 
aprendizado de máquina supervisionado 
que é amplamente utilizado para 
problemas de classificação e regressão. Ele 
é baseado na ideia de que objetos 
semelhantes devem ter rótulos 
semelhantes. O algoritmo k-NN classifica 
um novo objeto com base na maioria dos 
rótulos de seus k vizinhos mais próximos.
Principais Técnicas do Algoritmo Preditivo 
Simples (k-NN)
Classificação baseada na maioria dos 
rótulos dos vizinhos mais próximos
Regressão baseada na média dos valores 
dos vizinhos mais próximos
Escolha adequada do valor de k
Ferramentas e Algoritmos de Análise de 
Dados do Algoritmo Preditivo Simples (k-
NN)
Scikit-learn: biblioteca de aprendizado de 
máquina em Python que inclui a 
implementação do algoritmo k-NN
Weka: ferramenta de mineração de dados 
que também oferece suporte para o 
algoritmo k-NN
Algoritmo de pesquisa KD-Tree: utilizado 
para armazenar dados de treinamento de 
forma eficiente para consultas rápidas ao 
encontrar os vizinhos mais próximos
Regressões
Descrição Detalhada ou Significado das 
Regressões A
s regressões são um conjunto de técnicas 
estatísticas que visam modelar a relação 
entre uma variável dependente (variável 
de resposta) e uma ou mais variáveis 
independentes (variáveis preditoras). O 
objetivo das regressões é encontrar uma 
função que minimize a diferença entre os 
valores observados e os valores previstos.
Principais Técnicas de Regressões
Regressão Linear: utiliza uma função 
linear para modelar a relação entre as 
variáveis
Regressão Logística: utilizada para 
problemas de classificação binária
Regressão Polinomial: utiliza uma função 
polinomial para modelar a relação entre as 
variáveis
Ferramentas e Algoritmos de Análise de 
Dados de Regressões
Statsmodels: biblioteca estatística em 
Python que oferece suporte para 
diferentes tipos de regressões
Scikit-learn: biblioteca de aprendizado de 
máquina em Python que inclui 
implementações de regressões
Método dos Mínimos Quadrados: técnica 
amplamente utilizada para estimar os 
parâmetros de uma regressão
Árvores de Decisão
Descrição Detalhada ou Significado das 
Árvores de DecisãoAs árvores de decisão são estruturas de 
dados hierárquicas que representam uma 
sequência de decisões e suas possíveis 
consequências. Essas árvores são usadas 
para resolver problemas de classificação e 
regressão, onde cada nó interno 
representa uma decisão baseada em um 
atributo específico e cada folha representa 
um resultado.
Principais Técnicas de Árvores de Decisão
Algoritmo CART (Classification And 
Regression Trees): utilizado para construir 
árvores de decisão para problemas de 
classificação e regressão
Algoritmo ID3 (Iterative Dichotomiser 3): 
focado em problemas de classificação, 
utiliza a entropia como medida de 
impureza
Algoritmo C4.5: uma extensão do 
algoritmo ID3 que também lida com 
problemas de atributos contínuos
Ferramentas e Algoritmos de Análise de 
Dados de Árvores de Decisão
Scikit-learn: biblioteca de aprendizado de 
máquina em Python que oferece suporte 
para diferentes tipos de árvores de 
decisão, como CART e ID3
Weka: ferramenta de mineração de dados 
que inclui algoritmos para construção e 
visualização de árvores de decisão
Método de divisão recursiva: técnica 
comum para construir árvores de decisão
Aprendizagem de Máquina
Descrição Detalhada ou Significado da 
Aprendizagem de MáquinaA
 Aprendizagem de Máquina é um campo 
da inteligência artificial que se concentra 
no desenvolvimento de algoritmos e 
técnicas que permitem que os 
computadores aprendam padrões ou 
informações a partir de dados sem serem 
explicitamente programados. Ela engloba 
técnicas como classificação, regressão, 
agrupamento e muito mais.
Principais Técnicas de Aprendizagem de 
Máquina
Aprendizado Supervisionado: algoritmos 
que aprendem com dados rotulados, 
utilizando-os para fazer previsões ou 
tomar decisões
Aprendizado Não Supervisionado: 
algoritmos que trabalham com dados não 
rotulados para descobrir padrões, 
estrutura ou agrupamentos intrínsecos
Aprendizado por Reforço: algoritmos que 
aprendem a interagir com um ambiente 
através da tentativa e erro, recebendo 
feedback positivo ou negativo
Ferramentas e Algoritmos de Análise de 
Dados de Aprendizagem de Máquina
Scikit-learn: biblioteca de aprendizado de 
máquina em Python que oferece 
implementações de várias técnicas de 
aprendizado de máquina
TensorFlow: biblioteca de código aberto 
em Python para aprendizado de máquina 
e desenvolvimento de redes neurais
Algoritmo de Gradiente Descendente: 
algoritmo de otimização usado em várias 
técnicas de aprendizado de máquina para 
ajustar os parâmetros do modelo