Introdução
As saídas dos modelos de classificação são categóricas, o que significa que podem ser usadas para rotular entradas ou tomar decisões. Por exemplo, um carro autônomo usa a classificação para decidir se vira à esquerda ou à direita em uma bifurcação na estrada. Um modelo de classificação é diferente dos modelos de regressão clássicos, onde as saídas são contínuas, como o tamanho de um sapato ou a velocidade de um trem. Os modelos de classificação são diversos na forma como funcionam. Para começar, vamos nos concentrar na regressão logística, que é um tipo de modelo mais simples e popular que é usado extensivamente em muitos braços da ciência e da indústria.
Cenário: Prevendo avalanches com aprendizado de máquina
Ao longo deste módulo, usamos o seguinte cenário de exemplo para explicar conceitos relacionados à classificação. Este cenário foi projetado para fornecer um exemplo de como você pode atender a esses conceitos em sua própria programação.
Sua instituição de caridade é responsável por operações de resgate de avalanches em trilhas para caminhadas no noroeste dos Estados Unidos. É verdade que a opção mais segura seria fechar permanentemente todos os trilhos durante a época de esqui e caminhadas, mas isso significaria que nenhum desportista conseguiria desfrutar do ar livre! Seu objetivo é construir um modelo que possa prever se um dia individual provavelmente resultará em uma avalanche. Então, usando essa previsão, você pode fechar a trilha quando o risco é alto. Tenha em mente ao fazer previsões: prever avalanches que não acontecem pode prejudicar o turismo local, enquanto não prever avalanches que acontecem pode resultar em perda de vidas. É evidente que é necessário encontrar um equilíbrio.
Atenção
Os dados para estes exercícios são fabricados e destinam-se exclusivamente a fins educativos. Para aqueles caminhantes e esquiadores ansiosos por aí: o aprendizado de máquina pode ser usado para previsão de avalanches, mas não use esses dados ou seu modelo treinado para nada, exceto aprender sobre aprendizado de máquina.
Pré-requisitos
- Familiaridade com modelos de aprendizagem automática
Objetivos de aprendizagem
Neste módulo, irá:
- Descubra como a classificação difere da regressão clássica
- Crie modelos que possam executar tarefas de classificação
- Explore como avaliar e melhorar os modelos de classificação