Aprendizagem de Máquina

A fronteira de decisão de um classificador é uma linha, superfície, volume ou hipervolume (dependendo da dimensão dos dados) que separa diferentes classes em um espaço de características (ou espaço de entrada). Ela representa a divisão onde o classificador muda sua previsão de uma classe para outra. Em outras palavras, é uma região limite do… Leia mais: Fronteiras e regiões de decisão

O k-means é um algoritmo de agrupamento (ou clustering). É amplamente utilizado para dividir um conjunto de dados em grupos com base na similaridade.

Um classificador linear é um tipo de modelo de aprendizado de máquina utilizado para separar dados em diferentes classes baseando-se em uma função linear.

Como fazemos comparações? Como nós conseguimos identificar qual indivíduo é o mais alto ou o mais pesado? Quando desejamos medir ou comparar a altura ou o peso de alguém precisamos de um instrumento de medida como uma fita métrica ou um balança, respectivamente. De forma análoga ao caso humano, máquinas também precisam de “ferramentas” que… Leia mais: Normas e Métricas de distâncias

Regressão não linear de modelos lineares em parâmetros com matriz pseudo-inversa.

A regressão linear é o processo de estimação dos parâmetros de um modelo linear para que ele se ajuste da melhor forma possível a um conjunto de dados segundo um determinado critério(ou métrica)

É um dos classificadores mais simples e intuitivos em machine learning. Foi proposto originalmente por Evelyn Fix e Joseph Hodges em 1951. Entretanto, há muitas dezenas de variações em relação a proposta original de Hodges e Fix. Pode ser considerado uma “evolução” do classificador de distância mínima. O algoritmo do KNN é menos sensível a… Leia mais: Classificador K-Nearest Neighbors (ou KNN)

Na inteligência artificial (IA), os tipos de aprendizagem podem ser divididos em três principais categorias: aprendizagem supervisionada, aprendizagem não supervisionada e aprendizagem por reforço. Cada uma tem características distintas e são utilizados em diferentes tipos de problemas. 1. Aprendizagem Supervisionada ou Supervised Learning (SL) Na aprendizagem supervisionada, o algoritmo aprende a partir de um conjunto… Leia mais: Tipos de aprendizagem

Não existem definições amplamente aceitas para inteligência artificial(IA), aprendizagem de máquina e inteligência computacional. E muitas vezes, esses termos são tratados como sinônimos. Entretanto, embora os termos realmente estejam relacionados, eles não são sinônimos e se referem a conceitos distintos. Inteligência Artificial (IA) Esse termo foi cunhado em 1956 em uma conferência em Dartmouth College.… Leia mais: Inteligência artificial, computacional e aprendizagem de máquina é tudo igual?

O algoritmo de aprendizagem de máquina mais simples que você pode imaginar e que funciona se chama classificador de distância mínima. É um tipo de classificador supervisionado baseado em instâncias (amostras). Ele não é nenhum classificador “matador” e, no geral, fica muito longe da performance de uma deep learning. Entretanto, considerando a sua simplicidade, funciona… Leia mais: Classificador de distância mínima

Introdução A Análise de Componentes Principais(ACP) ou Principal Component Analysis (PCA), é uma técnica matemática e estatística usada para reduzir a dimensionalidade de um conjunto de amostras. PCA utiliza a transformada de Karhunen-Loève (KLT) para calcular uma base de autovetores nas quais as características das amostras apresentam a menor correlação possível entre si. Os autovetores… Leia mais: Análise de componentes principais

Introdução O método dos mínimos quadrados é uma técnica matemática usada para ajustar um modelo a um conjunto de dados. O ajuste dos parâmetros é realizado através da minimização do quadrado dos resíduos. Os resíduos de um modelo de regressão são as diferenças entre os valores observados e os valores obtidos do modelo. Este método… Leia mais: O método dos mínimos quadrados e a pseudo-inversa de uma matriz.