Como usar a análise supervisionadas para treinar modelos preditivos
Video: Como elaborar uma periodização para Futsal? - TEF Responde 95
Conteúdo
Dentro analytics supervisionadas, tanto de entrada e de saída preferida, fazem parte dos dados de formação. O modelo de análise preditiva é apresentado com os resultados corretos como parte de seu processo de aprendizagem. Tal aprendizado supervisionado assume exemplos pré-classificados: O objetivo é fazer com que o modelo de aprender com a classificação anteriormente conhecido por isso pode rotular corretamente o próximo ponto de dados desconhecida com base no que ele aprendeu.
Quando o treinamento do modelo está completo, uma função matemática é inferida pelo exame dos dados de treinamento. Essa função será usada para rotular novos pontos de dados.
Para que esta abordagem funcione corretamente, os dados de treinamento - juntamente com os dados de teste - devem ser cuidadosamente selecionados. O modelo treinado deve ser capaz de prever o rótulo correto para um novo ponto de dados com rapidez e precisão, com base no tipo (s) de dados do modelo tem visto nos dados de treinamento.
Video: TECNICAS DE TREINO
analytics supervisionadas oferecer algumas vantagens distintas:
O analista é responsável do processo.
Rotulagem se baseia em classificações conhecidas.
erros de rotulagem pode ser facilmente resolvido.
O outro lado dessas vantagens é igualmente um conjunto distinto de potenciais desvantagens:
Quaisquer erros na fase de treinamento será reforçado mais tarde.
A classificação prevista pelo analista pode não descrever toda a população adequadamente.
O modelo pode ser incapaz de detectar as classes que se desviam do conjunto de treinamento originais.
Video: A-10 PROJETO ELÉTRICO RESIDENCIAL:AULA 03
A suposição de que os clusters dentro dos dados não se sobrepõem - e que eles podem ser facilmente separados - não pode revelar válido.