árvore

Classificado em Computação

Escrito em em português com um tamanho de 3,58 KB.

 

7) O que é o KNN? Descreva os 3 passos que são realizados pelo algoritmo. É um dos algoritmos de classificação clássicos e bem simples. Usado pára classificar objetos com base em exemplos de treinamento que estão mais próximos no espaço de características.
Pára utilizar o KNN é necessário: –(1) Um conjunto de exemplos de treinamento. –(2) Definir uma métrica pára calcular a distância entre os exemplos de treinamento. –(3) Definir o valor de K (o número de vizinhos mais próximos que serão considerados pelo algoritmo).

9) Descreva os pontos positivos e negativos do KNN.

Vantagens: –Técnica simples e facilmente implementada. –Bastante flexível. –Em alguns casos apresenta ótimos resultados.

Desvantagens: –Classificar um exemplo desconhecido pode ser um processo computacionalmente complexo. Requer um cálculo de distancia pára cada exemplo de treinamento. •Pode consumir muito tempo quando o conjunto de treinamento é muito grande. –A precisão da classificação pode ser severamente degradada pela presença de ruído ou características irrelevantes.

10) Descreva o SVN e defina vetores suporte. Consiste em um método de aprendizado que tenta encontrar a maior margem pára separar diferentes classes de dados. Pertence à classe de algoritmos de aprendizado supervisionado. Os vetores de suporte são os exemplos de treinamento realmente importantes. Os outros exemplos podem ser ignorados.

12) Pára que serve o parâmetro C (soft margin)? Serve como variáveis de folga

13) Como proceder em caso de problemas não linearmente separáveis? Mapear os dados pára um espaço de dimensão maior

14) Descreva os pontos positivos e negativos do SVN.                 

•Vantagens: –Consegue lidar bem com grandes conjuntos de exemplos. –Trata bem dados de alta dimensão. –O processo de classificação é rápido.

Desvantagens: –É necessário definir um bom Kernel. –O tempo de treinamento pode ser bem longo dependendo do número de exemplos e dimensionalidade dos dados

23) Diferença entre KNN e K-mens KNN é um algoritmo de classificação, que é um subconjunto de aprendizagem supervisionada.  K-mens é um algoritmo de agrupamento, que é um subconjunto de aprendizagem não supervisionada. 

22) Descreva o kmeans e apresente seus pontos positivos e negativos. É a técnica mais simples de aprendizagem não supervisionada. •Consiste em fixar k centróides (de maneira aleatória), um pára cada grupo (clusters). Associar cada indivíduo ao seu centróide mais próximo. Negativo - O principal problema do K-Means é a dependência de uma boa inicialização.

Entradas relacionadas: