Modelos de classificação no treinamento de aprendizado de máquina Ppt

Slide 1

Este slide fornece uma visão geral da regressão logística, que é um tipo de abordagem de análise de regressão empregada quando a variável dependente é descontínua: por exemplo, 0 ou 1, verdadeiro ou falso e assim por diante. A função Logit é usada na Regressão Logística para avaliar a conexão entre a variável alvo e as variáveis independentes.

Slide 2

Este slide demonstra que o KNN é um algoritmo simples que mantém todas as instâncias existentes e classifica novos casos com base na maioria dos votos de seus k vizinhos.

Notas do instrutor:

KNN pode ser entendido com uma analogia da vida real. Por exemplo, se você quiser saber mais sobre alguém, converse com seus amigos e colegas de trabalho.

Considere o seguinte antes de decidir sobre o Algoritmo dos K Vizinhos Mais Próximos:

• KNN é caro para calcular e chegar a
• As variáveis devem ser normalizadas, ou variáveis de maior alcance farão com que o algoritmo seja tendencioso
• Os dados ainda devem ser pré-processados

Slide 3

Este slide afirma que Naive Bayes é uma técnica probabilística de Aprendizado de Máquina baseada no Teorema de Bayes e é usada para uma ampla gama de problemas de classificação. Um modelo Naive Bayesian é simples de construir e funciona bem com grandes conjuntos de dados. É simples de usar e supera até mesmo os algoritmos de classificação mais sofisticados.

Slide 4

Este slide mostra que o algoritmo SVM é um processo de classificação no qual os dados brutos são mostrados como pontos em um espaço n-dimensional (n sendo o número de recursos que você possui). O valor de cada característica é então atribuído a um local específico, simplificando a categorização dos dados. As linhas do classificador podem dividir dados e plotá-los em um gráfico.