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.