O que é conceito
2 pág.

O que é conceito

Disciplina:fundamentos da computação digital3 materiais75 seguidores
Pré-visualização1 página
Julio Pavei Furlanetto 		201201290
O que é conceito?

Conceito é a ideia de generalização de um conjunto. Os humanos reconhecem um conceito facilmente ao defini-lo como um conjunto, diversos componentes pertencem a esse conjunto. O conjunto definido, pode ser um subconjunto de outro mais abrangente e ainda possuir subconjuntos menores que estão contidos nele.

Um exemplo prático é o conjunto meio de transporte. Temos avioes, carros navios, etc. Em carros, podemos definir ainda as camionhonetes, os carros de passeio, de luxo. E finalmente a marca dos carros, e entao o modelo dos carros.

O conceito é a generalização de um grupo.

O que é aprendizado de conceito? Como esse aprendizado por ser visto como um processo de busca?

Quando temos diversos elementos que influemciam em uma decisão, é possível preve-la a partir dos elementos que levaram a ela em primeiro lugar.
Chamaremos a decisão de conceito alvo. Em aprendizado de conceito, utiliza-se um treinamento com os elementos envolvidos que levaram até o conceito alvo.

Esse tipo de aprendizado, leva em consideração apenas os exemplos do treinamento, então, caso alguma particularidade tenha ocorrido durante o treinamento, a previsão do conceito alvo pode ser faltosa, portanto, um treinamento adequando é necessário.

O aprendizado por conceito leva em consideração diversar hipóteses, essas hipóteses, levam em consideração todos os elementos que influenciam no conceito alvo. Fazendo a combinação de todas as posssibilidades, podemos ter uma gama muito grande de hipóteses, chegando até ao infinito. Considerando essa grande gama, o aprendizado de conceito deve utiilizar algorítimos que busquem as melhores hipótezes. Por isso é um processo de busca.

O que é bias indutivo?

O bias, é algum critério que dá preferência a uma hipótese sobre outra. Na questão 4 será explicitado o bias utilizado em ID3

O bias indutivo utiliza os conceitos já aprendidos em treinamento para generalizar o conhecimento e inferir o conceito alvo a partir de hipoteses que não estão inclusas no treinamento.

Para esclarecer, podemos supor uma técnica sem bias indutivo. Nela, estaríamos presos aos exemplos conhecidos no treinamento. A técnica não iria fazer a generalização dos elementos contidos nas hipóteses .

Como o ID3 se classica nessa concepção de aprendizado?

A partir de um treinamento, existe uma série de árvores que são consistentes com os exemplos dados.

Em ID3 existe um bias de preferência. No qual, as árvores menores são sempre as escolhidas. O bias citado calcula a entropia das decisões a serem tomadas, e a partir dela, é possível verificar o menor ramo da árvore.

A árvore depois de pronta, é um método de generalização das hipóteses, isto é, com a árvore pronta, qualquer hipótese será direcionada á um conceito alvo, mesmo que essa hipótese não esteja na tabela de exemplos do treinamento

Qual as diferenças do ID3 e o FOIL?

A árvore ID3 funciona da maneira citada acima.
O algorítimo FOIL controi um conjunto de cláusulas, ele pega entao todos os exemplos da árvore e os classifica como positivos ou negativos.
Se a clausula for positiva, ela cria uma nova regra, caso seja negativa ela faz uma especialização da regra.

A partir da explicação do FOIL acime a e da ID3 na questão 4, é possivel verificar a diferença entre os dois métodos. A arvore tipo FOIL utiliza um método de busca chamado de Hill climbing (http://en.wikipedia.org/wiki/Hill_climbing) enquanto a árvore id3 faz a busca da decisão mais promissora ( Beam Search - http://en.wikipedia.org/wiki/Beam_search)