Estatísticas Práticas para Cientistas de Dados, 2ª Edição

Capítulo 6. Aprendizagem automática estatística

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

Os recentes avanços na estatística têm sido dedicados ao desenvolvimento de técnicas automatizadas mais poderosas para a modelação preditiva - tanto de regressão como de classificação.Estes métodos, tal como os discutidos no capítulo anterior, são métodos supervisionados -são treinados em dados em que os resultados são conhecidos e aprendem a prever resultados em novos dados. Estão abrangidos pela aprendizagem automática estatística e distinguem-se dos métodos estatísticos clássicos por serem orientados para os dados e não procurarem impor uma estrutura linear ou outra estrutura global aos dados.O método K-Nearest Neighbors, por exemplo, é bastante simples: classifica um registo de acordo com a forma como os registos semelhantes são classificados.As técnicas mais bem sucedidas e amplamente utilizadas baseiam-se na aprendizagem em conjunto aplicada às árvores de decisão. A ideia básica da aprendizagem em conjunto é utilizar muitos modelos para formar uma previsão, em vez de utilizar apenas um único modelo. As árvores de decisão são uma técnica flexível e automática para aprender regras sobre as relações entre as variáveis de previsão e as variáveis de resultado. Verifica-se que a combinação da aprendizagem em conjunto com as árvores de decisão conduz a algumas das técnicas de modelação preditiva de melhor desempenho ...