Livro de receitas de aprendizagem automática com Python, 2ª edição

Capítulo 19. Agrupamento

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

19.0 Introdução

Em grande parte deste livro , analisámos a aprendizagem automática supervisionada - onde temos acesso às caraterísticas e ao alvo. Infelizmente, nem sempre é esse o caso. Frequentemente, deparamo-nos com situações em que apenas conhecemos as caraterísticas. Por exemplo, imagina que temos registos de vendas de uma mercearia e queremos separar as vendas pelo facto de o comprador ser membro de um clube de descontos. Isto seria impossível utilizando a aprendizagem supervisionada porque não temos um objetivo para treinar e avaliar os nossos modelos. No entanto, existe outra opção: aprendizagem não supervisionada . Se o comportamento dos membros e dos não membros do clube de descontos na mercearia for realmente díspar, então a diferença média de comportamento entre dois membros será menor do que a diferença média de comportamento entre um comprador membro e um comprador não membro. Por outras palavras, haverá dois grupos de observações.

O objetivo dos algoritmos de agrupamento é identificar esses agrupamentos latentes de observações, o que, se bem feito, nos permite prever a classe de observações mesmo sem um vetor alvo. Há muitos algoritmos de agrupamento, e eles têm uma grande variedade de abordagens para identificar os agrupamentos nos dados. Neste capítulo, vamos abordar uma seleção de algoritmos de agrupamento utilizando ...