April 2025
Intermediate to advanced
416 pages
8h 32m
Portuguese (Portugal, Brazil)
Content preview from Livro de receitas de aprendizagem automática com Python, 2ª edição
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Capítulo 9. Redução de dimensionalidade usando extração de caraterísticas
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
9.0 Introdução
É comum ter acesso a milhares e mesmo centenas de milhares de caraterísticas. Por exemplo, no Capítulo 8, transformámos uma imagem a cores de 256 × 256 pixels em 196 608 caraterísticas. Além disso, como cada um destes pixéis pode assumir um de 256 valores possíveis, a nossa observação pode assumir256196608 configurações diferentes. Muitos algoritmos de aprendizagem automática têm dificuldade em aprender com esses dados, porque nunca será prático recolher observações suficientes para que os algoritmos funcionem corretamente. Mesmo em conjuntos de dados mais tabulares e estruturados, podemos facilmente acabar com milhares de caraterísticas após o processo de engenharia de caraterísticas.
Felizmente, nem todas as caraterísticas são criadas da mesma forma e o objetivo da extração de caraterísticas para a redução de dimensionalidade é transformar nosso conjunto de caraterísticas, poriginal, de modo a obter um novo conjunto, pnew, em que poriginal >pnew, mantendo grande parte das informações subjacentes. Por outras palavras, reduzimos o número de caraterísticas com apenas uma pequena perda na capacidade dos nossos dados para gerar previsões de alta qualidade. Neste capítulo, abordaremos uma série de técnicas de extração de caraterísticas para fazer exatamente isso.
Uma desvantagem ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.