Conceitos Fundamentais de Machine Learning
Classificado em Matemática
Escrito em em
português com um tamanho de 4,92 KB
Distância e Agrupamento
Distância de Manhattan
O cálculo da Distância de Manhattan entre dois pontos X e Y é dado por: d(x,y) = |X1 - Y1| + |X2 - Y2| + ... + |Xn - Yn|.
Cálculo de Centróides
Em algoritmos de agrupamento, o novo centróide de um grupo é calculado pela média aritmética das coordenadas das instâncias pertencentes a esse grupo.
Teoria da Informação e Árvores de Decisão
Entropia
A Entropia é uma medida da incerteza ou aleatoriedade em um conjunto de dados (S), utilizada na teoria da informação. Para um conjunto com c classes distintas, a entropia é calculada como:
Entropia(S) = Σ -pi * log2(pi)
Onde pi é a proporção de instâncias pertencentes à classe i. A entropia é máxima (ex: 1 para duas classes com proporção... Continue a ler "Conceitos Fundamentais de Machine Learning" »