Resumo
Abordamos alguns novos jargões significativos neste módulo. Vamos recapitular o que aprendemos:
O objetivo do aprendizado de máquina é encontrar padrões nos dados e usar esses padrões para fazer estimativas.
O aprendizado de máquina difere do desenvolvimento de software normal na medida em que usamos código especial, em vez de nossa própria intuição, para melhorar o funcionamento do software.
O processo de aprendizagem utiliza conceptualmente quatro componentes:
- Dados, que são informações com as quais queremos aprender.
- Um modelo, que faz estimativas sobre os dados.
- Um objetivo que o modelo está a tentar alcançar.
- Um otimizador, código extra que altera o modelo dependendo do seu desempenho.
Você pode pensar em dados como recursos e rótulos. As características correspondem a potenciais entradas de modelo, enquanto as etiquetas correspondem a saídas de modelo ou saídas de modelo desejadas.
Pandas e Plotly são ferramentas poderosas para explorar conjuntos de dados em Python.
Uma vez que tenhamos um modelo treinado, podemos salvá-lo em disco para uso posterior.