Estatísticas Práticas para Cientistas de Dados, 2ª Edição

Capítulo 5. Classificação

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Os cientistas de dados são frequentemente incumbidos de automatizar decisões para problemas empresariais. Um e-mail é uma tentativa de phishing? É provável que um cliente se desvincule? É provável que o utilizador da Web clique num anúncio? Todos estes são problemas de classificação, uma forma de aprendizagem supervisionada em que primeiro treinamos um modelo em dados em que o resultado é conhecido e depois aplicamos o modelo a dados em que o resultado não é conhecido. A classificação é talvez a forma mais importante de previsão: o objetivo é prever se um registro é um 1 ou um 0 (phishing/não phishing, clique/não clique, churn/não churn) ou, em alguns casos, uma de várias categorias (por exemplo, a filtragem da caixa de entrada do Gmail em "primário", "social", "promocional" ou "fóruns").

Muitas vezes, precisamos de mais do que uma simples classificação binária: queremos saber a probabilidade prevista de um caso pertencer a uma classe. Em vez de um modelo atribuir simplesmente uma classificação binária, a maioria dos algoritmos pode devolver uma pontuação de probabilidade (propensão) de pertencer à classe de interesse. De facto, com a regressão logística, a saída predefinida do R está na escala de probabilidades logarítmicas, e esta deve ser transformada numa propensão. No Python scikit-learn, a regressão logística, tal como a maioria ...