Fundamentos do Aprendizado de Máquina: Conceitos Essenciais
Classificado em Tecnologia
Escrito em em 
português com um tamanho de 2,83 KB
Aprendizado por Reforço (Reinforcement Learning)
No **Aprendizado por Reforço**, o agente recebe uma série de reforços, como recompensas ou punições. Não fornecemos a “resposta correta” ao sistema. Em vez disso, o sistema formula uma hipótese e determina se essa hipótese foi boa ou ruim. *Cabe ao agente reconhecer quais ações anteriores ao reforço foram as maiores responsáveis por esse resultado.* Por exemplo, a ausência de uma gorjeta no final do percurso dá ao agente taxista uma indicação de que algo foi feito de forma inadequada.Aprendizado Supervisionado (Supervised Learning)
No **Aprendizado Supervisionado**, observamos pares de exemplos de entrada e saída para aprender uma função que mapeia a entrada para a saída. Fornecemos ao sistema a “resposta correta” durante o processo de treinamento. É **útil para**:- Classificação
- Regressão
- Estimação de probabilidade condicional
Exemplos Positivos e Negativos
**Exemplos Positivos** são aqueles que levam a uma resposta afirmativa. Por exemplo, se a condição é "Há uma árvore" e a pergunta é "Vai esperar?", a resposta é "Sim".**Exemplos Negativos** são aqueles que levam a uma resposta negativa. Para o mesmo exemplo, "Vai esperar?", a resposta é "Não".
KNN (K-Nearest Neighbor)
O **KNN (K-Nearest Neighbor)** é um algoritmo que se enquadra no aprendizado supervisionado, utilizado para classificar objetos com base em exemplos de treinamento que estão mais próximos no espaço de características.Requisitos para Usar o KNN:
- Um conjunto de exemplos de treinamento.
- Definição de uma métrica para calcular a distância entre os exemplos de treinamento.
- Definição do valor de *K* (número de vizinhos mais próximos que serão considerados pelo algoritmo).
Processo de Classificação com KNN:
- Calcula a distância entre o exemplo desconhecido e os outros exemplos do conjunto de treinamento.
- Identifica os *K* vizinhos mais próximos.
- Utiliza o rótulo da classe dos vizinhos mais próximos para determinar o rótulo de classe do exemplo desconhecido (por votação majoritária).