O que é a Aprendizagem de Máquinas?

O aprendizado de máquina é um dos campos tecnológicos de crescimento mais rápido, mas apesar da frequência com que as palavras “aprendizado de máquina” são usadas, pode ser difícil entender o que é aprendizado de máquina com precisão.

Aprendizado de máquinas não se refere a apenas uma coisa, é um termo abrangente que pode ser aplicado a muitos conceitos e técnicas diferentes. Compreender o aprendizado de máquina significa estar familiarizado com diferentes formas de análise de modelo, variáveis ​​e algoritmos. Vamos dar uma olhada no aprendizado de máquina para entender melhor o que ele abrange.

O que é aprendizado de máquina?

Embora o termo aprendizado de máquina possa ser aplicado a muitas coisas diferentes, em geral, o termo se refere a permitir que um computador execute tarefas sem receber instruções explícitas linha por linha para fazê-lo. Um especialista em aprendizado de máquina não precisa escrever todas as etapas necessárias para resolver o problema porque o computador é capaz de “aprender” analisando padrões nos dados e generalizando esses padrões para novos dados.

Os sistemas de aprendizado de máquina têm três partes básicas:

• entradas
• Algoritmos
• Saídas

As entradas são os dados que são alimentados no sistema de aprendizado de máquina e os dados de entrada podem ser divididos em rótulos e recursos. As características são as variáveis ​​relevantes, as variáveis ​​que serão analisadas para aprender padrões e tirar conclusões. Enquanto isso, os rótulos são classes/descrições dadas às instâncias individuais dos dados.

Recursos e rótulos podem ser usados ​​em dois tipos diferentes de problemas de aprendizado de máquina: aprendizado supervisionado e aprendizado não supervisionado.

Aprendizado não supervisionado vs. supervisionado

In aprendizagem supervisionada, os dados de entrada são acompanhados por uma verdade fundamental. Os problemas de aprendizado supervisionado têm os valores de saída corretos como parte do conjunto de dados, portanto, as classes esperadas são conhecidas com antecedência. Isso permite que o cientista de dados verifique o desempenho do algoritmo testando os dados em um conjunto de dados de teste e vendo qual porcentagem de itens foi classificada corretamente.

Em contraste, aprendizado não supervisionado os problemas não têm rótulos de verdade de campo anexados a eles. Um algoritmo de aprendizado de máquina treinado para realizar tarefas de aprendizado não supervisionado deve ser capaz de inferir os padrões relevantes nos dados por si mesmo.

Algoritmos de aprendizado supervisionado são normalmente usados ​​para problemas de classificação, onde se tem um grande conjunto de dados preenchido com instâncias que devem ser classificadas em uma das muitas classes diferentes. Outro tipo de aprendizado supervisionado é uma tarefa de regressão, em que o valor gerado pelo algoritmo é de natureza contínua em vez de categórico.

Enquanto isso, algoritmos de aprendizado não supervisionados são usados ​​para tarefas como estimativa de densidade, agrupamento e aprendizado de representação. Essas três tarefas precisam do modelo de aprendizado de máquina para inferir a estrutura dos dados, não há classes predefinidas fornecidas ao modelo.

Vamos dar uma breve olhada em alguns dos algoritmos mais comuns usados ​​tanto no aprendizado não supervisionado quanto no aprendizado supervisionado.

Tipos de Aprendizagem Supervisionada

Algoritmos comuns de aprendizado supervisionado incluem:

• Baías ingénuas
• Máquinas de vetor de suporte
• Regressão Logística
• Florestas Aleatórias
• Redes neurais artificiais

Máquinas de vetor de suporte são algoritmos que dividem um conjunto de dados em diferentes classes. Os pontos de dados são agrupados em clusters desenhando linhas que separam as classes umas das outras. Os pontos encontrados em um lado da linha pertencem a uma classe, enquanto os pontos do outro lado da linha são uma classe diferente. As máquinas de vetores de suporte visam maximizar a distância entre a linha e os pontos encontrados em ambos os lados da linha, e quanto maior a distância, mais confiante o classificador está de que o ponto pertence a uma classe e não a outra classe.

Regressão Logística é um algoritmo usado em tarefas de classificação binária quando os pontos de dados precisam ser classificados como pertencentes a uma das duas classes. A regressão logística funciona rotulando o ponto de dados como 1 ou 0. Se o valor percebido do ponto de dados for 0.49 ou inferior, ele é classificado como 0, enquanto se for 0.5 ou superior, é classificado como 1.

Algoritmos de árvore de decisão operam dividindo conjuntos de dados em fragmentos cada vez menores. O critério exato usado para dividir os dados depende do engenheiro de aprendizado de máquina, mas o objetivo é dividir os dados em pontos de dados únicos, que serão classificados usando uma chave.

Um algoritmo Random Forest consiste essencialmente em muitos classificadores de Árvore de Decisão únicos vinculados em um classificador mais poderoso.

A Classificador Naive Bayes calcula a probabilidade de que um determinado ponto de dados tenha ocorrido com base na probabilidade de ocorrência de um evento anterior. É baseado no Teorema de Bayes e coloca os pontos de dados em classes com base em sua probabilidade calculada. Ao implementar um classificador Naive Bayes, assume-se que todos os preditores têm a mesma influência no resultado da classe.

An Rede neural artificial, ou multi-layer perceptron, são algoritmos de aprendizado de máquina inspirados na estrutura e função do cérebro humano. As redes neurais artificiais recebem esse nome pelo fato de serem feitas de muitos nós/neurônios interligados. Cada neurônio manipula os dados com uma função matemática. Nas redes neurais artificiais, existem camadas de entrada, camadas ocultas e camadas de saída.

A camada oculta da rede neural é onde os dados são realmente interpretados e analisados ​​em busca de padrões. Em outras palavras, é onde o algoritmo aprende. Mais neurônios unidos tornam as redes mais complexas capazes de aprender padrões mais complexos.

Tipos de aprendizado não supervisionado

Os algoritmos de aprendizado não supervisionado incluem:

• Agrupamento K-means
• Codificadores automáticos
• Análise do componente principal

Agrupamento K-means é uma técnica de classificação não supervisionada e funciona separando pontos de dados em clusters ou grupos com base em seus recursos. O agrupamento de K-means analisa os recursos encontrados nos pontos de dados e distingue padrões neles que tornam os pontos de dados encontrados em um determinado cluster de classe mais semelhantes entre si do que são para clusters contendo outros pontos de dados. Isso é feito colocando possíveis centros para o cluster, ou centróides, em um gráfico dos dados e reatribuindo a posição do centróide até encontrar uma posição que minimize a distância entre o centróide e os pontos que pertencem à classe desse centróide. O pesquisador pode especificar o número desejado de clusters.

Análise do componente principal é uma técnica que reduz um grande número de recursos/variáveis ​​em um espaço de recursos menor/menos recursos. Os “componentes principais” dos pontos de dados são selecionados para preservação, enquanto os outros recursos são compactados em uma representação menor. A relação entre as poções de dados originais é preservada, mas como a complexidade dos pontos de dados é mais simples, os dados são mais fáceis de quantificar e descrever.

Codificadores automáticos são versões de redes neurais que podem ser aplicadas a tarefas de aprendizagem não supervisionadas. Autoencoders são capazes de pegar dados não rotulados e de forma livre e transformá-los em dados que uma rede neural é capaz de usar, basicamente criando seus próprios dados de treinamento rotulados. O objetivo de um autoencoder é converter os dados de entrada e reconstruí-los com a maior precisão possível, portanto, é um incentivo da rede determinar quais recursos são os mais importantes e extraí-los.