APRENDIZADO DE MÁQUINA

Attachments:

• Aprendizado Supervisionado

1. Categorias
   1. Regressão

      Annotations:

      • Dado um conjunto de dados, estamos tentando prever resultados dentro de um output contínuo, ou seja, estamos tentando achar valores de input para uma função contínua. Ex: dada uma foto de uma pessoa, temos que prever sua idade com base na imagem.
      1. Regressão Linear
         1. Múltiplas Variáveis
            1. Gradiente Descendente
         2. Uma Variável
            1. Gradiente Descendente
         3. Regressão Linear Regularizada
      2. Regressão Polinomial
   2. Classificação

      Annotations:

      • Na classificação, estamos prever resultados discretos, ou seja, tentando achar valores de input para uma função discreta. Ex: Tendo um paciente com tumor, temos que prever se o tumor é maligno ou benigno.
      1. Função Hipótese - Regressão Logística
         1. Função de Custo
         2. Gradiente Descendente
         3. Classificação Multiclasse
         4. Regressão Logística Regularizada
   3. Sistemas Neurais
      1. Representação
         1. Classificação Multiclasse
      2. Função de custo
         1. Algoritmo de retropropagação
            1. Checagem de gradiente
2. Recursos
   1. Função de Custo

      Attachments:

      • Função de Custo
   2. Gradiente Descendente

      Attachments:

      • Gradiente Descendente
      1. Dimensionamento da variável
   3. Equação Normal
   4. Regularização

Annotations:

• No aprendizado não supervisionado, nós temos pouca ou nenhuma ideia de como o resultado deve parecer. Assim, nós obtemos uma estrutura sem saber necessariamente o efeito das variáveis.