Enquadramento

Este módulo investiga como estruturar uma tarefa como um problema de machine learning e abrange muitos termos básicos de vocabulário compartilhados em uma ampla variedade de métodos de machine learning (ML).

Enquadramento

Aprendizado de sistemas de ML

como combinar entrada

para produzir previsões úteis

em dados nunca vistos antes

  • Label é a variável que estamos prevendo.
    • Normalmente representado pela variável y
  • Label é a variável que estamos prevendo.
    • Normalmente representado pela variável y
  • Os recursos são variáveis de entrada que descrevem nossos dados.
    • Normalmente representada pelas variáveis {x1, x2, ..., xn}
  • Exemplo é uma instância específica de dados, x
  • Exemplo rotulado tem {features, label}: (x, y)
    • Usado para treinar o modelo
  • Exemplo não rotulado tem {features, ?}: (x, ?)
    • Usada para fazer previsões de novos dados.
  • Exemplo é uma instância específica de dados, x
  • Exemplo rotulado tem {features, label}: (x, y)
    • Usado para treinar o modelo
  • Exemplo não rotulado tem {features, ?}: (x, ?)
    • Usada para fazer previsões de novos dados.
  • Model mapeia exemplos para rótulos previstos: y'
    • Eles são definidos por parâmetros internos, que são aprendidos.
Anterior
Introdução ao ML (3 min)
Próxima
Terminologia importante de ML