Zusammenfassung der Ressource
Aprendizagem de máquinha
- Inteligência artificial
- Robótica
- Mineração de dados
- Tarefas
- Classificação
(Supervisionado)
- RNA (Rede Neural
Artificial)
- SVM (Suporte Vector Machine
- K-NN (K vizinhos mais próximos)
- Naive
Bayes
- Regressão
Logística
- Árvore de decisão
- Floresta
Randômica
- Regressão
(Supervisionado)
- Árvore de Decisão
- C 4.5
- Regressão Linear
- RNA (RedeNeural Artificial)
- Agrupamento (Não
supervisionado)
- RNA (Rede Neural
Artificial
- Redes de Kohonen
- K-Means
- Regressão
Linear
- K-Prototypes
- K-Medoids
- DBSCAN
- Deep Learning
(algoritmos de redes
neurais)
- Processo
- Delimitar o problema
- Preparar a base de
dados
- Treinamento
- Conjunto de treinamento
- Conjunto de teste
- Avaliação
- Algoritmos de
aprendizagem
- Supervisionado
- Não supervisionado
- Semi supervisionado
- Problemas de
treinamento
- Overfitting
- Causas
- excesso de iterações
- excesso de parâmetros
- excesso de camadas
- Resolução do
problema
- Conjunto de
treinamento
- Conjunto de
validação
- Conjunto de testes
- técnicas para solucionar
- validação cruzada
- dropout
- Underfitting
- causas
- Iterações
insuficientes
- amostragem dos dados
- insuficiência de
parâmetros
- Entrada não
normalizada
- insuficiência de
camadas
- técnicas para solucionar
- aumentar a amostragem
- aumentar a complexidade do modelo
- aumentar o tempo de treinamento
- Métricas de classificação
- Matriz de confusão
- VP (Verdadeiro Positivo
- FP (Falso Positivo)
- Erro tipo 1
(estatística)
- VN (Verdadeiro negativo)
- FN (Falso negativo)
- Erro tipo 2 (estatística)
- P (Transações normal)
- Transações fraudulentas
- Acurácia
- (VP + VN) / (VP + FN + VN + FP)
- Erro
- 1 - valor da acurácia
- Precisão
- VP / (VP + FP)
- Sensibilidade (Revocação)
- VP / (VP + FN)
- F-Score 2
- 2 * (precisão * sensibilidade) / (precisão + sensibilidade)
- Especificidade
- VN / (VN + FP)