Este documento apresenta uma introdução ao reconhecimento de padrões e fornece exemplos em Python. O documento discute conceitos como similaridade, formalização do problema de reconhecimento de padrões, transformação de atributos em valores numéricos e medidas de distância entre padrões como distância euclidiana e distância de quarteirão.
"É melhor praticar para a nota" - Como avaliar comportamentos em contextos de...
Curso datamining
1. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Introdu¸c˜ao ao Reconhecimento de Padr˜oes
(Aprendizagem de M´aquina / Data Mining)
Exemplos em Python
Prof. Ronaldo F. Ramos, Dr
29 de maio de 2015
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
2. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Roteiro
1 Seres Humanos e Padr˜oes
2 Conceito Intuitivo
3 Formalizando
4 Na Pr´atica
5 Distˆancias
6 Classificadores Elementares
7 Avalia¸c˜ao de Classificadores
8 Classificadores Diversos
9 Forma¸c˜ao de Agrupamentos
10 Sele¸c˜ao de Atributos
11 Limpeza de Dados
12 Contatos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
3. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Seres Humanos e Padr˜oes
Os sentidos humanos enviam informa¸c˜oes ao c´erebro que
reconhece alguns aspectos da realidade.
Sons
Imagens
Sensa¸c˜ao T´atil
Odores
Permitem tamb´em a identifica¸c˜ao de padr˜oes l´ogico-matem´aticos
(o que exige um pouco mais do c´erebro ;-) ).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
4. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Conceito de Reconhecimento de Padr˜oes
Reconhecer um padr˜ao equivale a classificar um objeto f´ısico ou
l´ogico como pertencente ou n˜ao a uma predeterminada categoria.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
5. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Conceito Intuitivo
Dadas as categorias abaixo:
(a) Laranjas (b) Ma¸c˜as
A qual delas pertencem os objetos abaixo?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
6. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Conceito Intuitivo - Novo Grupo
(c) Laranjas (d) Ma¸c˜as (e) Tangerinas
A qual delas pertence o objeto abaixo?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
7. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Similaridade
Seu c´erebro fez uma an´alise de
similaridade.
Pode-se fazer esta mesma an´alise no
computador?
O que precisaremos para tal?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
8. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Uma defini¸c˜ao quase formal de RP
Um problema de RP ´e composto de ...
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
9. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Um Conjunto de K Classes
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
10. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Um Conjunto de objetos Ni por Classes Ki
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
11. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Um Conjunto de atributos nj por objeto Ni
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
12. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Mecanismo de Mem´oria e Aprendizagem
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
13. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Regra de Decis˜ao para Calcular Novos Objetos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
14. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Crit´erios de Avalia¸c˜ao do Classificador
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
15. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Que atributos descrevem bem uma tangerina?
Formato
Esf´erico ou Oval? Esf´erico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
16. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Que atributos descrevem bem uma tangerina?
Formato
Esf´erico ou Oval? Esf´erico
Fruta C´ıtrica
Sim/N˜ao Sim
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
17. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Que atributos descrevem bem uma tangerina?
Formato
Esf´erico ou Oval? Esf´erico
Fruta C´ıtrica
Sim/N˜ao Sim
Cor
Laranja????Alaranjado
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
18. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Que atributos descrevem bem uma tangerina?
Formato
Esf´erico ou Oval? Esf´erico
Fruta C´ıtrica
Sim/N˜ao Sim
Cor
Laranja????Alaranjado
Rugosidade da Casca
Lisa ou Rugosa?Rugosa
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
19. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Que atributos descrevem bem uma tangerina?
Formato
Esf´erico ou Oval? Esf´erico
Fruta C´ıtrica
Sim/N˜ao Sim
Cor
Laranja????Alaranjado
Rugosidade da Casca
Lisa ou Rugosa?Rugosa
Cheiro
Ativo/Fraco? Ativo
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
20. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Sobre os Atributos
Os atributos s˜ao igualmente importantes?
´E f´acil definir os atributos de um objeto?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
21. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Sobre os Atributos
Nem sempre.
Nem sempre.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
22. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Transforma¸c˜ao de Atributos
Atributos devem ser expressos na forma de n´umeros.
Desta forma o conjunto de atributos da tangerina [Formato, Fruta
C´ıtrica, Cor, Rugosidade da Casca, Cheiro] devem ser expressos
como um vetor de atributos tais como:
X = [0, 1, 2, 1, 1] 1
1
A forma de numeralizar pode fazer muita diferen¸ca no uso do modelo
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
23. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Adotando as seguintes convenc˜oes:
Atributo Valores Textuais Num´ericos
Formato Esf´erico,Oval,Alongado 0,1,2
Fruta C´ıtrica N˜ao,Sim 0,1
Cor Amarelo,Vermelho,Alaranjado,Verde 0,1,2,3
Rugosidade lisa,rugosa 0,1
Cheiro N˜ao,Sim 0,1
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
24. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Ter´ıamos as seguintes representa¸c˜oes para as frutas
Objeto Laranja (X) [0, 1, 2, 1, 0]
Objeto Ma¸c˜a (Y) [0, 0, 1, 0, 0]
Objeto Tangerina (Z)[0, 1, 2, 1, 1]
O Objeto tangerina (Z) se assemelha mais a
laranja(X) ou a Ma¸c˜a(Y)?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
25. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Conceito de Distˆancia
Uma forma de medir a similaridade entre dois padr˜oes ´e
calcular a distˆancia entre eles.
Distˆancia city-block, quarteir˜ao ou manhattan.
Dq(X, Y) = |X1 − Y1| + |X2 − Y2| + ... + |Xn − Yn|
Distˆancia Euclidiana.
De(X, Y) = (X1 − Y1)2 + (X2 − Y2)2 + ... + (Xn − Yn)2
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
26. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Compara¸c˜ao entre Euclidiana e Quarteir˜ao
Z
Z
Z
Z
Z
Z
Z
Z
Z
Z
ZZ
C B
A
53
4
Dq(A, B) = 3 + 4 = 7
De(A, B) =
√
32 + 42 = 5
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
27. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Agora ´e s´o fazer as contas
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
28. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Classificadores Elementares
Agora vocˆe sabe que uma tangerina ´e mais parecida com uma
laranja do que com uma ma¸c˜a..;-).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
29. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Classificadores Elementares
Agora vamos estudar as flores....
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
30. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Morfologia das Flores
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
31. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Iris (Flˆor-de-lis)
Valei-me Deus ´e o fim do nosso amor .....
Iris Setosa Iris Virg´ınica Iris Versicolor
Estudo feito por Sir Ronald Fischer em 1936
(An´alise Discriminante).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
32. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris I
Na WIKIPEDIA e em outros lugares encontraremos a base de
dados de Fischer.
SL=Comprimento da S´epala SW=Largura da S´epala
PL=Comprimento da P´etala PW = Largura da P´etala
SL SW PL PW Species
5.1 3.5 1.4 0.2 setosa
4.9 3.0 1.4 0.2 setosa
4.7 3.2 1.3 0.2 setosa
4.6 3.1 1.5 0.2 setosa
5.0 3.6 1.4 0.2 setosa
5.4 3.9 1.7 0.4 setosa
4.6 3.4 1.4 0.3 setosa
5.0 3.4 1.5 0.2 setosa
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
33. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris II
4.4 2.9 1.4 0.2 setosa
4.9 3.1 1.5 0.1 setosa
5.4 3.7 1.5 0.2 setosa
4.8 3.4 1.6 0.2 setosa
4.8 3.0 1.4 0.1 setosa
4.3 3.0 1.1 0.1 setosa
5.8 4.0 1.2 0.2 setosa
5.7 4.4 1.5 0.4 setosa
5.4 3.9 1.3 0.4 setosa
5.1 3.5 1.4 0.3 setosa
5.7 3.8 1.7 0.3 setosa
5.1 3.8 1.5 0.3 setosa
5.4 3.4 1.7 0.2 setosa
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
34. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris III
5.1 3.7 1.5 0.4 setosa
4.6 3.6 1.0 0.2 setosa
5.1 3.3 1.7 0.5 setosa
4.8 3.4 1.9 0.2 setosa
5.0 3.0 1.6 0.2 setosa
5.0 3.4 1.6 0.4 setosa
5.2 3.5 1.5 0.2 setosa
5.2 3.4 1.4 0.2 setosa
4.7 3.2 1.6 0.2 setosa
4.8 3.1 1.6 0.2 setosa
5.4 3.4 1.5 0.4 setosa
5.2 4.1 1.5 0.1 setosa
5.5 4.2 1.4 0.2 setosa
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
35. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris IV
4.9 3.1 1.5 0.2 setosa
5.0 3.2 1.2 0.2 setosa
5.5 3.5 1.3 0.2 setosa
4.9 3.6 1.4 0.1 setosa
4.4 3.0 1.3 0.2 setosa
5.1 3.4 1.5 0.2 setosa
5.0 3.5 1.3 0.3 setosa
4.5 2.3 1.3 0.3 setosa
4.4 3.2 1.3 0.2 setosa
5.0 3.5 1.6 0.6 setosa
5.1 3.8 1.9 0.4 setosa
4.8 3.0 1.4 0.3 setosa
5.1 3.8 1.6 0.2 setosa
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
36. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris V
4.6 3.2 1.4 0.2 setosa
5.3 3.7 1.5 0.2 setosa
5.0 3.3 1.4 0.2 setosa
7.0 3.2 4.7 1.4 versicolor
6.4 3.2 4.5 1.5 versicolor
6.9 3.1 4.9 1.5 versicolor
5.5 2.3 4.0 1.3 versicolor
6.5 2.8 4.6 1.5 versicolor
5.7 2.8 4.5 1.3 versicolor
6.3 3.3 4.7 1.6 versicolor
4.9 2.4 3.3 1.0 versicolor
6.6 2.9 4.6 1.3 versicolor
5.2 2.7 3.9 1.4 versicolor
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
37. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris VI
5.0 2.0 3.5 1.0 versicolor
5.9 3.0 4.2 1.5 versicolor
6.0 2.2 4.0 1.0 versicolor
6.1 2.9 4.7 1.4 versicolor
5.6 2.9 3.6 1.3 versicolor
6.7 3.1 4.4 1.4 versicolor
5.6 3.0 4.5 1.5 versicolor
5.8 2.7 4.1 1.0 versicolor
6.2 2.2 4.5 1.5 versicolor
5.6 2.5 3.9 1.1 versicolor
5.9 3.2 4.8 1.8 versicolor
6.1 2.8 4.0 1.3 versicolor
6.3 2.5 4.9 1.5 versicolor
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
38. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris VII
6.1 2.8 4.7 1.2 versicolor
6.4 2.9 4.3 1.3 versicolor
6.6 3.0 4.4 1.4 versicolor
6.8 2.8 4.8 1.4 versicolor
6.7 3.0 5.0 1.7 versicolor
6.0 2.9 4.5 1.5 versicolor
5.7 2.6 3.5 1.0 versicolor
5.5 2.4 3.8 1.1 versicolor
5.5 2.4 3.7 1.0 versicolor
5.8 2.7 3.9 1.2 versicolor
6.0 2.7 5.1 1.6 versicolor
5.4 3.0 4.5 1.5 versicolor
6.0 3.4 4.5 1.6 versicolor
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
39. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris VIII
6.7 3.1 4.7 1.5 versicolor
6.3 2.3 4.4 1.3 versicolor
5.6 3.0 4.1 1.3 versicolor
5.5 2.5 4.0 1.3 versicolor
5.5 2.6 4.4 1.2 versicolor
6.1 3.0 4.6 1.4 versicolor
5.8 2.6 4.0 1.2 versicolor
5.0 2.3 3.3 1.0 versicolor
5.6 2.7 4.2 1.3 versicolor
5.7 3.0 4.2 1.2 versicolor
5.7 2.9 4.2 1.3 versicolor
6.2 2.9 4.3 1.3 versicolor
5.1 2.5 3.0 1.1 versicolor
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
40. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris IX
5.7 2.8 4.1 1.3 versicolor
6.3 3.3 6.0 2.5 virginica
5.8 2.7 5.1 1.9 virginica
7.1 3.0 5.9 2.1 virginica
6.3 2.9 5.6 1.8 virginica
6.5 3.0 5.8 2.2 virginica
7.6 3.0 6.6 2.1 virginica
4.9 2.5 4.5 1.7 virginica
7.3 2.9 6.3 1.8 virginica
6.7 2.5 5.8 1.8 virginica
7.2 3.6 6.1 2.5 virginica
6.5 3.2 5.1 2.0 virginica
6.4 2.7 5.3 1.9 virginica
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
41. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris X
6.8 3.0 5.5 2.1 virginica
5.7 2.5 5.0 2.0 virginica
5.8 2.8 5.1 2.4 virginica
6.4 3.2 5.3 2.3 virginica
6.5 3.0 5.5 1.8 virginica
7.7 3.8 6.7 2.2 virginica
7.7 2.6 6.9 2.3 virginica
6.0 2.2 5.0 1.5 virginica
6.9 3.2 5.7 2.3 virginica
5.6 2.8 4.9 2.0 virginica
7.7 2.8 6.7 2.0 virginica
6.3 2.7 4.9 1.8 virginica
6.7 3.3 5.7 2.1 virginica
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
42. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris XI
7.2 3.2 6.0 1.8 virginica
6.2 2.8 4.8 1.8 virginica
6.1 3.0 4.9 1.8 virginica
6.4 2.8 5.6 2.1 virginica
7.2 3.0 5.8 1.6 virginica
7.4 2.8 6.1 1.9 virginica
7.9 3.8 6.4 2.0 virginica
6.4 2.8 5.6 2.2 virginica
6.3 2.8 5.1 1.5 virginica
6.1 2.6 5.6 1.4 virginica
7.7 3.0 6.1 2.3 virginica
6.3 3.4 5.6 2.4 virginica
6.4 3.1 5.5 1.8 virginica
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
43. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Base de Dados de ´Iris XII
6.0 3.0 4.8 1.8 virginica
6.9 3.1 5.4 2.1 virginica
6.7 3.1 5.6 2.4 virginica
6.9 3.1 5.1 2.3 virginica
5.8 2.7 5.1 1.9 virginica
6.8 3.2 5.9 2.3 virginica
6.7 3.3 5.7 2.5 virginica
6.7 3.0 5.2 2.3 virginica
6.3 2.5 5.0 1.9 virginica
6.5 3.0 5.2 2.0 virginica
6.2 3.4 5.4 2.3 virginica
5.9 3.0 5.1 1.8 virginica
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
44. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Algoritmo do Vizinho Mais Pr´oximo - Neareast Neighbor
1 Seja Xnew um vetor cuja classe ´e desconhecida.
2 Procurar na tabela o vetor armazenado mais pr´oximo de
Xnew.
3 Chamar de Xnear o vetor mais pr´oximo de Xnew
4 Atribuir a Xnew a mesma classe de Xnear
5 Se a classifica¸c˜ao for correta incluir Xnew na tabela.
M˜ao `a obra, ou melhor ao c´odigo ...
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
45. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Qual o problema com o Vizinho Mais Pr´oximo?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
46. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Uma Solu¸c˜ao
KNN - K Vizinhos Mais Pr´oximos
(K=N´umero ´Impar Inteiro)
O Padr˜ao ´e classificado de acordo com a maioria dos vizinhos.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
47. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Algoritmo dos K Vizinhos Mais Pr´oximos - K Neareast
Neighbors
1 Armazenar os exemplos em uma tabela.
2 seja Xnew um vetor de classe desconhecida.
3 Encontrar na tabela os K vetores mais pr´oximos de Xnew
4 Seja Ck a classe a que pertence a maioria dos vetores.
5 Atribuir Classe(Xnew) = Ck
6 Se a classifica¸c˜ao for correta incluir Xnew na tabela.
Bom, vamos ao c´odigo ...
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
48. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Vantagens e Desvantagens do KNN
Vantagens
Simplicidade de Implementa¸c˜ao.
Ideal para tabelas pequenas ou m´edias.
N˜ao requer treinamento.
Desvantagens
Alto custo computacional para tabelas grandes.
A constante K ´e obtida por tentativa e erro.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
49. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Distˆancia M´ınima ao Centroide
Cada classe passa a ter um ´unico vetor que a representa
chamado de centr´oide.
Ap´os o ”treinamento”n˜ao ser´a necess´ario armazenar os
exemplos. Apenas os centr´oides permanecem na mem´oria.
O centr´oide ´e o vetor m´edio, ou seja, a m´edia dos exemplos
da classe.
O centr´oide ´e o representante de sua classe.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
50. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Distˆancia M´ınima ao Centr´oide
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
51. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Atualizando o Centr´oide
Como foi visto o centr´oide representa a classe, portanto,
descoberto um novo indiv´ıduo da classe, o centr´oide deve/pode ser
atualizado.
Mj (nj + 1) = (1 − a)Mj (nj ) + a(Xnew)
Onde:
a = 1/(nj + 1) ´e o fator de aprendizagem
nj ´e o total de exemplos utilizados antes da chegada do Xnew
Mj (nj ) ´e o centr´oide antes da chegada do Xnew
Mj (nj + 1) ´e o novo centr´oide com Xnew incorporado.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
52. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Estrat´egias de Avalia¸c˜ao
(Montando um Experimento de Avalia¸c˜ao)
Cuidado. O vil˜ao se chama superadapta¸c˜ao ou sobre-ajuste.
(OVERFITTING)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
53. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Estrat´egias de Avalia¸c˜ao
(Treinamento e Teste)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
54. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Estrat´egias de Avalia¸c˜ao
(Valida¸c˜ao Cruzada)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
55. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Matriz de Confus˜ao
Corretamente Classificadas = 5 + 3 + 11 = 19
Erroneamente Classificadas = 2 + 3 + 0 + 0 + 2 + 1 = 8
Total de Instˆancias = 27
Taxa de Acerto = 19/27 (70,4 % )
Taxa de Erro = 8/27 (29,6 % )
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
56. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Matriz de Confus˜ao
Ent˜ao basta termos uma boa taxa de acerto e nosso classificador
est´a pronto pra ser usado?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
57. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Matriz de Confus˜ao
N˜ao necessariamente.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
58. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Matriz de Confus˜ao
Para cada uma das classes existem os elementos (instˆancias)
que pertecem a classe. S˜ao os POSITIVOS para a classe.
Para cada classe existem as instˆancias que n˜ao pertecem a
classe. S˜ao os NEGATIVOS para a classe.
Os elementos classificados como POSITIVOS, quando
corretos, s˜ao chamados de VERDADEIROS POSITIVOS.
Os elementos classificados como POSITIVOS, quando
incorretamente classificados, s˜ao chamados de FALSOS
POSITIVOS
Os elementos classificados como NEGATIVOS, quando
corretos, s˜ao chamados de VERDADEIROS NEGATIVOS.
Os elementos classificados como NEGATIVOS, quando
incorretamente classificados, s˜ao chamados de FALSOS
NEGATIVOS.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
59. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Tabela de Confus˜ao para a Classe dos Gatos
TP = True Positives. Verdadeiros Positivos. Classificados corretamente como gatos.
FP = False Positives. Falsos Positivos. Classificados como gatos que s˜ao outra coisa
FN = False Negatives. Falsos Negativos. Classificados como outra coisa, mas s˜ao realmente gatos.
TN = True Negatives. Classificados como outra coisa e realmente n˜ao s˜ao gatos.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
60. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Quest˜oes
Dentre os elementos classificados como positivos, qual o
percentual, ou melhor, a TAXA de VERDADEIROS POSITIVOS?
(TAXA de VERDADEIROS POSITIVOS OU ”TRUE POSITIVE
RATE”) (TPR).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
61. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Quest˜oes
Quem s˜ao os positivos? R. S˜ao os Verdadeiros Positivos (TP) mais
os FALSOS NEGATIVOS (FN).
Portanto: TPR = TP / (TP + FN)
OBSs:
O TPR se aproxima de um quando o FN se aproxima de zero.
Queremos um TPR alto quando n˜ao queremos deixar um
POSITIVO passar por NEGATIVO. Imagine que se trata de um
exame para detec¸c˜ao de uma doen¸ca altamente contagiosa. Melhor
termos muitos falsos positivos do que falsos negativos. (Melhor ter
um inocente preso que um bandido solto, hehehe)
TPR tamb´em ´e chamada de RECALL.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
62. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Quest˜oes
Dentre os elementos classificados como negativos, qual o
percentual, ou melhor, a TAXA dos VERDADEIROS NEGATIVOS?
(TAXA de VERDADEIROS NEGATIVOS OU ”TRUE NEGATIVE
RATE”)(TNR).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
63. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Quest˜oes
Quem s˜ao os negativos? R. S˜ao os VERDADEIROS NEGATIVOS
(TN) mais os FALSOS POSITIVOS (FP).
Portanto: TNR = TN / (TN + FP)
O TNR se aproxima de um quando o FP se aproxima de zero.
Queremos um TNR alto quando n˜ao queremos deixar um
NEGATIVO passar por POSITIVO. Imagine que vocˆe tem uma
empresa que possa ser processada por danos morais caso vocˆe
afirme que um de seus clientes est´a fraudando quando na realidade
ele n˜ao est´a. (FP)
TNR tamb´em ´e chamada de Especificidade (Specificity).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
64. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Avaliando Classificadores - Quest˜oes
Vocˆe j´a deve ter percebido que a Taxa de Acerto sozinha n˜ao quer
dizer muita coisa e nem sempre ´e o fator mais importante na
escolha de um classificador para o seu problema. A seguir o
resumo.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
65. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
M´etricas
True Positive Rate (Recall) (TPR). TPR = TP / (TP + FN)
True Negative Rate (Specificity) SPC = TN / (FP + TN)
Positive Predictive Value (Precision) PPV = TP / (TP + FP)
Negative Predictive Value (NPV) NPV = TN / (TN + FN)
False Positive Rate (fall-out) FPR = FP /( FP + TN)
False Discovery Rate (FDR) FDR = FP /(FP + TP) = 1 -
PPV
False Negative Rate (Miss Rate) FNR = FN / ( FN + TP)
etc etc etc
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
66. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
M´etricas Curva ROC - Receiver Operating Characteritics
´Area Sob a curva. Acima de 0.9 (excelente). Entre 0.8 e 0.9
(bom). Entre 0.7 e 0.8 (m´edio). Entre 0.6 e 0.7 (fraco).Abaixo de
0.6 (ineficaz).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
67. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ZERO R - O Classificador do Preconceito
Seja o DataSet Jogar Tˆenis (Dispon´ıvel na Literatura)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
68. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ZERO R - O Classificador do Preconceito
O ZERO R classifica as instˆancias pela maioria. No caso do deste
dataset temos:
Instˆancias classificadas como P (Positivo = SIM) : 9
Instˆancias classificadas como N (Negativo = N˜ao) : 5
Classe Maioria: SIM.
Matriz de Confus˜ao:
Real Predito P (SIM) N (N˜ao)
P (SIM) 9 0
N (N˜ao) 5 0
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
69. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ZERO R - O Classificador do Preconceito
M´etricas
Classe TPR FPR ROC
P (SIM) 1 1 0,5
N (N˜ao) 0 0 0,5
Taxa de Acerto (Acuracidade) : 9/13 = 0,69
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
70. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ZERO R - O Classificador do Preconceito
Na pr´atica, o classificador Zero R pode ser usado para criar uma
”baseline”para avaliar o seu classificador.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
71. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ONE R - Melhorando um Pouco
Observemos o atributo tempo:
Valor Classes P (SIM) N (N˜ao)
Ensolarado 2 3
Nublado 4 0
Chuva 4 1
Que regra podemos extrair da´ı? (Descoberta de regras)
R. SE Est´a nublado ou com Chuva ENT˜AO P (SIM) SEN˜AO N
(N˜ao)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
72. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ONE R - Melhorando um Pouco - Aplicando ao Dataset
Instˆancia Real Classificado (Predito)
1 N N
2 N N
3 P P
4 P P
5 P P
6 N P
7 P P
8 N N
9 P N
10 P P
11 N P
12 P P
13 P P
14 N P
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
73. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ONE R - Melhorando um Pouco - Aplicando ao Dataset
Instˆancias classificadas corretamente : 10
Instˆancias classificadas erroneamente : 4
Da´ı..
Matriz de Confus˜ao
Real Predito P(SIM) N(N˜AO)
P(SIM) 7 2
N(N˜AO) 2 3
Medidas
Classe TPR FPR ROC
P (SIM) 0,778 0,4 0,689
N (N˜ao) 0,6 0,222 0,689
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
74. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
ONE R - Melhorando um Pouco - Aplicando ao Dataset
Moral da Hist´oria: Encontre um atributo mais ´util para fazer seus
julgamentos. ;-)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
75. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
O que ´e ?
Uma ´arvore de decis˜ao ´e uma ferramenta de apoio a decis˜ao que,
graficamente, apresenta a forma de uma ´arvore (de cabe¸ca para
baixo). A raiz ´e a parte de cima e as folhas ficam na parte de
baixo. Veja o desenho abaixo.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
76. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Exemplo
A Raiz e os n´os s˜ao as vari´aveis a serem avaliadas, os ramos
(arcos) que ligam os n´os s˜ao os valores admiss´ıveis ou caminhos a
serem seguidos no processo de decis˜ao e as folhas s˜ao as sa´ıdas.
Veja o exemplo de uma ´arvore de decis˜ao para o caso de decidir se
vc vai jogar ou n˜ao tˆenis.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
77. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Tabela
A partir da ´arvore acima podemos construir a seguinte tabela.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
78. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Quest˜ao
Ent˜ao a pr´oxima pergunta ´e: Porque usar uma ´arvore e n˜ao
simplesmente consultar a tabela?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
79. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Quest˜ao
Ent˜ao a pr´oxima pergunta ´e: Porque usar uma ´arvore e n˜ao
simplesmente consultar a tabela?
Resposta
Economia e, consequentemente, viabilidade dos c´alculos.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
80. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Seja o dataset (Ida ao restaurante):
Por onde come¸car?
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
81. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Atributo Clientela
lotado (0 casos positivos, 4 casos negativos); m´edio (4 casos
positivos, 0 casos negativos) e vazio (4 casos negativos, 0 casos
positivos).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
82. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Atributo Clientela
lotado (0 casos positivos, 4 casos negativos); m´edio (4 casos
positivos, 0 casos negativos) e vazio (4 casos negativos, 0 casos
positivos).
Atributo Tipo
a la carte (2 casos negativos, 1 caso positivo); self service (2 casos
negativos, 1 caso positivo) fast food (2 casos negativos, 1 caso
positivo) e sushi bar (2 casos negativos e 1 caso positivo).
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
83. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Proposta 1
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
84. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Proposta 2
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
85. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Alguns classificadores Interessantes - ´Arvores de Decis˜ao
Manual Selecionar sempre o atributo que levar mais r´apido para as
folhas (Decis˜ao). Atributos que dividem as instˆancias
equilibradamente n˜ao s˜ao bons.
ID3 Desenvolvido por Ross Quillan, usa a teoria do ganho da
informa¸c˜ao para sele¸c˜ao dos atributos. Ver no BLOG (
https://lambrain.wordpress.com/page/4/) e
(https://lambrain.wordpress.com/2014/10/13/tutorial-
arvores-de-decisao-continuacao-ia/)
C4.5 Melhoria para trabalhar com valores continuos e poda a ´arvore
ap´os cria¸c˜ao
C5.0 Mais r´apido. Bom para grandes volumes de dados. Os autores
dizem que ´e o melhor classificador que existe.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
86. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Redes Neurais Artificiais
1011 Neurˆonios — + 20 Tipos — 1014 Sinapses — 1 a 10 ms de
ciclo.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
87. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Redes Neurais Artificiais
Neurˆonio artificial.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
88. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Redes Neurais Artificiais
Fun¸c˜oes de Ativa¸c˜ao. Limiar e Sigm´oide.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
89. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Separabilidade
Problema da separa¸c˜ao.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
90. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Topologias de Redes Neurais
Redes Feed Forward.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
91. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Topologias de Redes Neurais
Redes com recorrˆencia, inibi¸c˜ao, etc.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
92. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Redes Bayesianas
P(X1, . . . , Xn) = i P(Xi|Pais(Xi)) Exemplo:
P(j ∧ m ∧ a ∧ ¬b ∧ ¬e) = P(j|a)P(m|a)P(a|¬b, ¬e)P(¬b)P(¬e)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
93. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Forma¸c˜ao de Agrupamentos - Clustering
FILO - CLASSE - ORDEM - FAM´ILIA - GˆENERO - ESP´ECIE
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
94. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Forma¸c˜ao de Agrupamentos - Clustering
Doen¸cas do Ov´ario.
Figura:Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
95. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
96. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
97. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
98. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
99. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Algoritmo aglomerativo
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
100. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
101. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
102. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Cluster Hier´arquico
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
103. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Seja um dataset com seu conjunto de indiv´ıduos.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
104. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Passo 1 - Selecionar K elementos como as m´edias iniciais (K
Definido antes)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
105. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Passo 2: Classificar os elementos usando as m´edias (Forma¸c˜ao dos
primeiros K Grupos)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
106. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Passo 3: Recalcular as m´edias de cada grupo.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
107. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Passo 4: Reclassificar todos.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
108. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Passo 5: Recalcular m´edias
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
109. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
K-Means
Repetir passos 4 e 5 at´e convergˆencia.
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
110. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Correla¸c˜ao Entre Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
111. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Correla¸c˜ao Entre Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
112. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Correla¸c˜ao Entre Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
113. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Correla¸c˜ao Entre Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
114. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Correla¸c˜ao Entre Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
115. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Correla¸c˜ao Entre Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
116. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Sele¸c˜ao de Atributos
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
117. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Limpeza de Dados
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
118. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Limpeza de Dados
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
119. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Limpeza de Dados
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
120. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Extra¸c˜ao de Regras a Partir dos Dados
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
121. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Extra¸c˜ao de Regras a Partir dos Dados
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
122. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Extra¸c˜ao de Regras a Partir dos Dados
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
123. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Constru¸c˜ao Autom´atica de Ontologias
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
124. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Constru¸c˜ao Autom´atica de Ontologias
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
125. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Comitˆes de Classificadores
Proposta Gissa
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
126. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Comitˆes de Classificadores
Porquˆe combinar?
Duas cabe¸cas pensam melhor do que uma?
Todos tem direito a uma segunda opini˜ao ;-)
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
127. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Comitˆes de Classificadores
Vantagens
Melhor do que o melhor dos classificadores selecionados
Aumenta a estabilidade do classificador 2
bias-variance decomposition. Bias = “erro persistente” de um
algoritmo de aprendizagem. Variance = “erro particular” de
um modelo treinado.
. Sistemas combinados reduzem a variˆancia
. Quanto mais sistemas combinados mais se reduz a variˆancia
2
O quanto um algoritmo ´e perturbado por pequenas mudan¸cas nas entradas
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
128. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Comitˆes de Classificadores
Desvantagens
Nenhuma garantia que ser´a sempre melhor do que o uso
simples de um classificador
Ainda ´e uma ´area de pesquisas
Dif´ıceis de analisar.
Complexo e custoso para construir
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
129. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Comitˆes de Classificadores
Elementos a definir.
Estrutura
Componentes
M´etodo de combina¸c˜ao
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
130. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Continua
Temos assunto para v´arios outros cursos ....
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
131. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Continua
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)
132. Seres Humanos e Padr˜oes Conceito Intuitivo Formalizando Na Pr´atica Distˆancias Classificadores Elementares Avalia¸c˜ao de Clas
Contatos
Prof. Ronaldo F. Ramos
Doutor em Syst`emes Informatiques (Inform´atica)- Universidade de Evry - Fran¸ca.
P´os Doutorado - UFC - DETI
Mestre em Engenharia de Produ¸c˜ao/Inteligˆencia Aplicada - Universidade Federal de
Santa Catarina
Engenheiro Mecˆanico - Universidade Federal do Cear´a
30 Anos de experiˆencia em Projetos de Engenharia e Sistemas Informatizados.
ronaldo.ramos@gmail.com
Prof. Guilherme de Alencar Barreto
Doutor em Engenharia El´etrica - Universidade de S˜ao Paulo - USP - S˜ao Carlos /
Universidade de Bielefeld, UB, Alemanha
Mestre em Engenharia El´etrica - Universidade de S˜ao Paulo - USP - S˜ao Carlos
Engenheiro de Teleinform´atica - Universidade Federal do Cear´a
Bolsista CNPQ N´ıvel 2
http://lattes.cnpq.br/8902002461422112
Prof. Ronaldo F. Ramos, Dr
Introdu¸c˜ao ao Reconhecimento de Padr˜oes (Aprendizagem de M´aquina / Data Mining)