Aprendizado De M Quina Com Valida O A B Programado Em Python
Download Aprendizado De M Quina Com Valida O A B Programado Em Python PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Aprendizado De M Quina Com Valida O A B Programado Em Python book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Aprendizado De Máquina Com Validação A/b Programado Em Python
Author: Vitor Amadeu Souza
language: pt-BR
Publisher: Clube de Autores
Release Date: 2025-06-29
Este livro apresenta uma abordagem prática para comparar modelos de machine learning por meio de testes A/B e análise estatística. Utilizando a base de dados Iris, dois modelos clássicos, Regressão Logística e Árvore de Decisão são treinados e avaliados com o objetivo de identificar qual deles apresenta melhor desempenho. A divisão controlada dos dados permite aplicar um teste A/B realista, onde cada modelo é testado em subconjuntos distintos, simulando um cenário de tomada de decisão baseada em desempenho. Além da simples comparação por acurácia, a obra demonstra como construir uma tabela de contingência com acertos e erros e aplicar o teste qui-quadrado para verificar a significância estatística dos resultados. O leitor é guiado de forma clara e objetiva, sem exigir conhecimentos avançados, desenvolvendo habilidades essenciais para validar escolhas de modelos com base em evidências e não apenas em intuições ou métricas superficiais.
Aprendizado De Máquina Aplicado A Validação Cruzada Programado Em Python
Author: Vitor Amadeu Souza
language: pt-BR
Publisher: Clube de Autores
Release Date: 2024-12-08
A proposta desta literatura é introduzir e desenvolver um modelo inicial de Validação Cruzada, utilizando Python como ferramenta de programação. A validação cruzada é uma técnica essencial no processo de avaliação de modelos de aprendizado de máquina, permitindo que se obtenha uma estimativa mais precisa do desempenho de um modelo, especialmente em conjuntos de dados limitados. Ela é amplamente utilizada para evitar problemas como overfitting e underfitting, garantindo que o modelo tenha boa capacidade de generalização. Para facilitar a compreensão, diversos exemplos são apresentados, abordando tanto os fundamentos teóricos da validação cruzada quanto a programação em Python.
Implementando Em Aprendizado De Máquina Calibração De Probabilidades Programado Em Python
Author: Vitor Amadeu Souza
language: pt-BR
Publisher: Clube de Autores
Release Date: 2025-07-08
Em muitos cenários críticos, como diagnósticos médicos, detecção de fraudes ou sistemas autônomos, é essencial que as probabilidades preditas por um modelo representem de forma fiel a confiança real nas decisões. Essa habilidade, chamada calibração de probabilidades, garante que uma previsão de 80% de chance realmente corresponda a 80% de acertos no mundo real. Neste estudo prático, exploramos as principais técnicas de calibração utilizadas em aprendizado de máquina supervisionado: Platt Scaling, Isotonic Regression e a comparação com o modelo original não calibrado. Utilizando o Random Forest Classifier da biblioteca scikit-learn, implementamos um experimento completo com geração de dados sintéticos, ajuste de modelos, plotagem de curvas de calibração e cálculo da métrica Brier Score, permitindo uma avaliação objetiva e visual da confiabilidade das probabilidades geradas. Este exemplo é ideal para estudantes, cientistas de dados e profissionais que desejam entender como transformar modelos acurados em modelos confiáveis, servindo como base para aplicações mais robustas e interpretáveis em machine learning.