Machine Learning I - Classificação e Regressão (19367) - Avaliação Final (Discursiva) - Individual Semipresencial AVA

Prévia do material em texto

RESPONDER AVALIAÇÃO
Avaliação Final (Discursiva) - Individual Semipresencial (Cod.:)
Machine Learning I - Classificação e Regressão (19367)
Prova
Período para responder
27/09/2021 - 13/10/2021
As técnicas de Big Data e Machine learning têm revolucionado o mundo em diversas áreas do conhecimento. São diversos os desafios, entretanto realizar predições de
valores contínuos é um dos principais, pois além de envolver diversos valores, ainda se demanda conhecer técnicas de regressão. Dentre tais técnicas, as redes neurais têm um
destaque no mercado. Sobre as redes neurais, analise a imagem anexa e escreva o significado de cada um dos elementos x, w, z e y.
Resposta: 
Os elementos de entrada do vetor x = [x1, x2, x3, xN] repesentam os estimulos que estão sendo enviados aos neuronios, e por exemplo, podem corresponder ao pixel de
imagem, ou tons, frequencias e amostras de um audios. Os elementos do vetor w= [w1, w2, w3, wN] são as sinapses que são multiplicadas dentro do neuronio que
inicialmente foi estimulado pelo vetor x O elemento z é chamado de potencial de ativação e trta-se do valor gerado pela multiplicação dos pesos sinápticos que ocorreram nos
neurenios pelo vetor w. E y é valor final predito por pela regreção dessa rede neural. 
 
 
O KNN é um classificador onde o aprendizado é baseado na analogia. O conjunto de treinamento é formado por vetores n-dimensionais e cada elemento deste conjunto
representa um ponto no espaço n-dimensional. Para determinar a classe de um elemento que não pertença ao conjunto de treinamento, o classificador KNN procura k
elementos do conjunto de treinamento que estejam mais próximos deste elemento desconhecido, ou seja, que tenham a menor distância. Estes k elementos são chamados de
k-vizinhos mais próximos. Verifica-se quais são as classes desses k vizinhos e a classe mais frequente será atribuída à classe do elemento desconhecido. 
 
Considere o conjunto de dados da imagem anexa. 
 
Descreva quais os pré-processamentos necessários a serem realizados antes de ser treinado e o trecho de código em Python com o comando para implementar e avaliar o
método KNN (n=7) com scikit-learn, uma vez que já se tenha as variáveis X_train, y_train, X_test, y_test. 
 
FONTE: FARIA, Mauricio Mendes; MONTEIRO, Ana Maria. Investigação sobre Técnicas de Detecção de Intrusões em Redes de Computadores com base nos Algoritmos Knn e K-
Means. 2015. Disponível em:
 VOLTAR
 A+ Alterar modo de visualização
1
Os elementos de entrada do vetor x = [x1, x2, x3, xN] repesentam os estimulos que estão sendo enviados aos neuronios, e por exemplo, podem corresponder ao pixel de 
imagem, ou tons, frequencias e amostras de um audios. 
Os elementos do vetor w= [w1, w2, w3, wN] são as sinapses que são multiplicadas dentro do neuronio que inicialmente foi estimulado pelo vetor x 
O elemento z é chamado de potencial de ativação e trta-se do valor gerado pela multiplicação dos pesos sinápticos que ocorreram nos neurenios pelo vetor w. 
E y é valor final predito por pela regreção dessa rede neural.
2
Enio Ricardo de Farias
Big Data e Inteligência Analítica (2110244) 
117
https://www.researchgate.net/publication/283325462_Investigacao_sobre_Tecnicas_de_Deteccao_de_Intrusoes_em_Redes_de_Computadores_com_base_nos_Algoritmos_Knn_e_K-
Means. Acesso em: 14 abr. 2021.
Resposta> 
Antes de ser treinado é necessário realizar os pré-processamentos: 
entender a regra do negócio; 
entender os dados; 
fazer a preparação dos dados; 
fazer a higeinização da base. 
modelar os dados; 
avaliar os resultados; 
realizar o deploy (produção). 
 
 
Antes de ser treinado é necessário realizar os pré-processamentos: 
entender a regra do negócio; 
entender os dados; 
fazer a preparação dos dados; 
fazer a higeinização da base. 
modelar os dados; 
avaliar os resultados; 
realizar o deploy (produção).
Salvar Finalizar
Enio Ricardo de Farias
Big Data e Inteligência Analítica (2110244) 
117