Atividade 9

Prévia do material em texto

UNIVERSIDADE FEDERAL DE OURO PRETO
ESCOLA DE MINAS
SEMANA 9
Aluna:
Thays Cristina da Silva Alves - 17.2.5867
1. Explique as diferenças e as semelhanças entre os métodos de aprendizado a
seguir:
- Supervisionado: um conjunto de dados já tem informação da tarefa que será
executada e utiliza os dados para predizer uma informação sobre dados que não
conheço. O método de aprendizado supervisionado vai tentar criar regras sobre
os dados vinculados e depois vai criar um modelo preditivo que vai usar essas
regras para predizer um dado que não temos conhecimento. Quando chega esse
dado que não temos conhecimento, é aplicado um modelo preditivo e predizer
em que classe esse dado pertence. Um exemplo é na escola aprendermos quais
são as letras vogais e consoantes e, futuramente, em uma tarefa de casa ela
conseguir definir quais as outras letras são vogais ou consoantes.
- Não Supervisionado: define grupos do tipo de dado que será trabalhado. Define
quais as características em comum dos dados. Tenta encontrar quais são as
similaridades entre os dados. Um exemplo é ir uma criança ir no zoológico e ver
vários animais e depois associar quais são mamíferos, répteis, carnívoros e etc
- Reforço: alguns tipos de aprendizado vêm através da recompensa que pode ser
positiva ou negativa. Um exemplo é estudar 5 min e depois descansar 25min,
aprender que não pode colocar a mão no fogo porque queima, e etc.
2. Explique a diferença entre overfitting e underfitting.
O modelo overfitting, por ter mais dados, pode se adaptar melhor aos dados do que o
modelo underfitting que não se adapta bem por não ter muitos dados.
3. Explique o viés de representação e o viés de busca
Os viés são necessários para restringir as hipóteses a serem visitadas no espaço de
busca. O viés de busca de um algoritmo é a forma como o algoritmo busca a hipótese
que melhor se ajusta aos dados de treinamento. E o viés de representação usa uma
representação para restringir o conjunto de hipóteses
4. Descreva em 500 caracteres (incluindo espaçamento e pontuação) o
processo de análise e pré-processamento de dados.
A análise dos dados pode ser feita de forma estatística ou visual em que permite
compreender a distribuição dos dados e dar um suporte à escolha de formas de abordar
o problema. E o pré-processamento é útil para melhorar o desempenho do algoritmo de
aprendizado de máquina já que nessa etapa é eliminada ou reduzida os problemas
presentes nos dados. Essa eliminação pode ser feita de forma manual ou com a
transformação de dados.