• Polliana Cavalcanti Souto

Abordagens de aprendizado de máquina

Trechos do livro “Inteligência Artificial – Uma Abordagem de Aprendizado de Máquina” de autoria de Katia Faceli, Ana Carolina Lorena, João Gama e André Carvalho.


Indução de hipóteses


Quando uma hipótese apresenta uma baixa capacidade de generalização, pode ser que ela esteja superajustada aos dados (overfitting). Nesse caso, também é dito que a hipótese memorizou ou se especializou nos dados de treinamento. No caso inverso, o algoritmo de AM (Aprendizado de Máquina) pode induzir hipóteses que apresentem uma baixa taxa de acerto mesmo no subconjunto de treinamento, configurando uma condição de subajustamento (underfitting).”



Viés indutivo


Cada algoritmo de AM possui dois vieses, um viés de representação e um viés de busca. O viés é necessário para restringir as hipóteses a serem visitadas no espaço de busca. Sem viés não haveria aprendizado/generalização. Os modelos seriam especializados para os exemplos individuais.



Tarefas de aprendizado


As tarefas supervisionadas se distinguem pelo tipo de dado: discreto, no caso de classificação, e contínuo no caso de regressão.


Tarefas de previsão é usado o aprendizado supervisionado. A meta é encontrar uma função (também chamada de modelo ou hipótese) a partir dos dados de treinamento que possa ser utilizada para prever um rótulo ou valor que caracterize um novo exemplo.


Em tarefas de descrição, a meta é explorar ou descrever um conjunto de dados seguindo o paradigma de aprendizado não supervisionado. Uma tarefa descritiva de agrupamento de dados, por exemplo, tem por meta encontrar grupos de objetos semelhantes no conjunto de dados. Outra tarefa do tipo é encontrar regras de associação que relacionam um grupo de atributos a outro grupo de atributos.


As tarefas descritivas são genericamente divididas em agrupamento, dados agrupados de acordo com similaridade; sumarização, encontra uma descrição simples e compacta para os dados; e associação, encontra padrões frequentes de associações entre os atributos de um conjunto de dados.


Há ainda as tarefas com reforço de aprendizado. A meta é reforçar uma ação considerada positiva e punir a negativa. Um exemplo de tarefa de reforço é a de ensinar um robô a encontrar a melhor trajetória entre dois pontos. Esses algoritmos punem a passagem por trechos pouco promissores e recompensam a passagem por promissores.


Icon of cover made by Becris from Flaticon.

51 visualizações0 comentário