Aprendizagem Supervisionada

Definição: ensinamos a máquina usando rótulos
Tipos de Problemas: Regressão e Classificação.
Tipos de Dados: Dados rotulados
Treino(Aprendizagem): Supervisão externa
Usabilidade: Prever ou estimar resultados
Abordagem: Entrada (Input) rotulado e Saída (Output) conhecida
Feedback: Direto (Saída conhecida)
Algoritmos:
  • Linear Regression
  • Logistic Regression
  • Support Vector Machine
  • K Nearest Neighbour
  • Random Forest

Aprendizagem Não-Supervisionada

Definição: a máquina aprende sozinha sem nenhuma supervisão
Tipos de Problemas: Associação e Clustering (Agrupamentos)
Tipos de Dados: Dados não-rotulados
Treino(Aprendizagem): Nenhuma Supervisão
Usabilidade: Descobrir padrões e associações
Abordagem: Entender padrões e descobrir a saída (output)
Feedback: Nenhum
Algoritmos:
  • K-Means
  • Apriori
  • C-Means