Terminologia de ML

Relacionamentos

Os sistemas de aprendizado de máquina usam relacionamentos entre entradas para produzir previsões .

Em álgebra, uma relação é frequentemente escrita como y = ax + b :

• y é o rótulo que queremos prever
• a é a inclinação da linha
• x são os valores de entrada
• b é a interceptação

Com ML, um relacionamento é escrito como y = b + wx :

• y é o rótulo que queremos prever
• w é o peso (a inclinação)
• x são os recursos (valores de entrada)
• b é a interceptação

Rótulos de aprendizado de máquina

Na terminologia de Machine Learning, o rótulo é o que queremos prever .

É como o y em um gráfico linear:

Recursos de aprendizado de máquina

Na terminologia de Machine Learning, os recursos são a entrada .

Eles são como os valores de x em um gráfico linear:

Às vezes, pode haver muitos recursos (valores de entrada) com pesos diferentes:

y = _{b +} w1x1 + _w2x2 + _w3x3 + _w4x4 _ _{_ _} _ _{_}

Modelos de aprendizado de máquina

Um Modelo define a relação entre o rótulo (y) e os recursos (x).

Existem três fases na vida de um modelo:

• Coleção de dados
• Treinamento
• Inferência

Treinamento de aprendizado de máquina

O objetivo do treinamento é criar um modelo que possa responder a uma pergunta. Como qual é o preço esperado para uma casa?

Inferência de aprendizado de máquina

A inferência é quando o modelo treinado é usado para inferir (prever) valores usando dados ao vivo. Como colocar o modelo em produção.