text stringlengths 0 3.9k | source stringclasses 1
value |
|---|---|
Mãos à obra Aprendizado de máquina Aurelien Geron.pdf | |
Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & Tensor Flow Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes Aurélien Géron Rio de Janeiro, 2019 CG_MIOLO_Hands_On_Machine_Learning. indb 1 07/05/2019 17:07:49 | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Mãos à Obra Aprendizado Máquina com Scikit-Learn e Tensor Flow Copyright © 2019 da Starlin Alta Editora e Consultoria Eireli. ISBN: 978-85-508-0902-1 (PDF) Translated from original Hands-On Machine Learning With Scikit-Learn and Tensor Flow © 2017 by Aurélien Géron. All rights re-served. ISBN 978-1-491-96229-9. This tr... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
iii Sumário Parte I. Os Fundamentos do Aprendizado de Máquina 1 1. O Cenário do Aprendizado de Máquinas ...................................................... 3 O que é o Aprendizado de Máquina? 4 Por q ue Utilizar o Aprendizado de Máquina? 5 Tip os de Sistemas do Aprendizado de Máquina 8 Apre ndizado Supervisionado/Nã... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
iv | Sumário2. Projeto de Aprendizado de Máquina de Ponta a Ponta ............................... 35 Trabalhando com Dados Reais 35 Um O lhar no Quadro Geral 37 En quadre o Problema 37 Sel ecione uma Medida de Desempenho 39 Ve rifique as Hipóteses 42 Obte nha os Dados 42 Cr ie o Espaço de Trabalho 42 Ba ixe os Dados 45... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Sumário | v Medições de Desempenho 86 Me dição da Acurácia com a Utilização da Validação Cruzada 87 Ma triz de Confusão 88 Pr ecisão e Revocação 90 Co mpensação da Precisão/Revocação 91 A Cu rva ROC 95 Cl assificação Multiclasse 97 An álise de Erro 100 C lassificação Multilabel 104 C lassificação Multioutput 105 E xerc... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
vi | Sumário Classificação SVM Não Linear 153 K ernel Polinomial 154 A dicionando Características de Similaridade 155 K ernel RBF Gaussiano 156 C omplexidade Computacional 158 R egressão SVM 158 N os Bastidores 160 F unção de Decisão e Previsões 161 Ob jetivo do Treinamento 162 P rogramação Quadrática 163 O Pr oblema D... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Sumário | vii Boosting 19 6 Ada Boost 19 6 Gradient Boosting 199 St acking 20 4 Exercícios 20 7 8. Redução da Dimensionalidade................................................................ 20 9 A Maldição da Dimensionalidade 210 P rincipais Abordagens para a Redução da Dimensionalidade 211 Pr ojeção 21 1 Manifold Lea... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
viii | Sumário Implementando o Gradiente Descendente 241 C alculando Manualmente os Gradientes 241 U tilizando o autodiff 242 U tilizando um Otimizador 244 F ornecendo Dados ao Algoritmo de Treinamento 244 S alvando e Restaurando Modelos 245 V isualização do Grafo e Curvas de Treinamento com o Tensor Board 247 E scopos... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Sumário | ix Reutilizando Camadas Pré-Treinadas 295 R eutilizando um Modelo do Tensor Flow 296 R eutilizando Modelos de Outras Estruturas 298 C ongelando as Camadas Inferiores 298 A rmazenamento em Cache das Camadas Congeladas 299 A justando, Descartando ou Substituindo as Camadas Superiores 300 Z oológicos de Modelos ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
x | Sumário Fixando Operações em Tarefas 339 P articionando Variáveis em Múltiplos Servidores de Parâmetros 340 C ompartilhando Estado entre Sessões com a Utilização de Contêiner de Recursos 341 C omunicação Assíncrona com a Utilização de Filas do Tensor Flow 343 E nfileirando Dados 344 D esenfileirando os Dados 344 F ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Sumário | xi14. Redes Neurais Recorrentes (RNN) ............................................................ 397 Neurônios Recorrentes 398 C élulas de Memória 400 S equências de Entrada e Saída 401 R NNs Básicas no Tensor Flow 402 D esenrolamento Estático Através do Tempo 403 D esenrolamento Dinâmico Através do Tempo 4... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Autoencoders de Remoção de Ruídos 444 I mplementando o Tensor Flow 445 A utoencoders Esparsos 446 I mplementando o Tensor Flow 448 A utoencoders Variacionais 449 G erando Dígitos 452 O utros Autoencoders 453 E xercícios 45 4 16. Aprendizado por Reforço ...................................................................... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
xiii Prefácio O Tsunami do Aprendizado de Máquina Em 2006, Geoffrey Hinton et al. publicou um artigo1 mostrando como treinar uma rede neural profunda capaz de reconhecer dígitos manuscritos com uma precisão de última geração (> 98%). A técnica foi rotulada como “Aprendizado Profundo” [ Deep Learning ]. Treinar uma rede... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
xiv | Prefácio Talvez seu robô caseiro pudesse ganhar um cérebro próprio? Talvez ele pudesse reco-nhecer rostos ou aprender a andar? Ou talvez sua companhia tenha toneladas de dados (financeiros, de produção, de sensores de máquinas, logs de usuários, estatísticas de hotline, relatórios de RH, etc. ) e, muito provavelm... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Prefácio | xvcálculos entre potencialmente milhares de servidores multi GPU, essa biblioteca torna possível treinar e executar de forma eficiente enormes redes neurais. O Tensor Flow foi criado no Google e suporta muitas das aplicações em larga escala do Apren-dizado de Máquina. Em novembro de 2015 ele se tornou de cód... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
xvi | Prefácio Aprender ajustando um modelo aos dados; Oti mizar a função de custo; Man ipular, limpar e preparar os dados; Sele cionar e desenvolver recursos; Sele cionar um modelo com a utilização da validação cruzada e ajustar hiperparâmetros; Os pr incipais desafios do Aprendizado de Máquina, especialmente o subaju... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Prefácio | xvii Outros Recursos Para saber mais sobre o Aprendizado de Máquina existem muitos recursos disponíveis. O curso de AM de Andrew Ng no Coursera ( https://www. coursera. org/learn/machine--learning/ ) e o curso de Geoffrey Hinton sobre redes neurais e Aprendizado Profundo (https://www. coursera. org/course/ne... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
xviii | Prefácio Convenções Utilizadas neste Livro As seguintes convenções tipográficas são usadas neste livro: Itálicos Indica novos termos, URLs, endereços de e-mail, nomes de arquivos e extensões de arquivos. Fonte monoespaçada Usada para listagens de programas, bem como em parágrafos sobre elementos de programa, co... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Prefácio | xix Utilizando Exemplos de Código O material suplementar (exemplos de códigos, exercícios, etc. ) está disponível para download em https://github. com/ageron/handson-ml e também no site da editora Alta Books. Entre em www. altabooks. com. br e procure pelo nome do livro. Este livro está aqui para ajudá-lo a ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
xx | Prefácio Muito obrigado também a David Andrzejewski, que revisou a Parte I identificando seções pouco claras e sugerindo como melhorá-las e forneceu um feedback incrivelmente útil. Confira o site dele ( http://www. david-andrzejewski. com/ )! Agradecimentos a Grégoire Mesnil, que revisou a Parte II e contribuiu co... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Parte I Os Fundamentos do Aprendizado de Máquina CG_MIOLO_Hands_On_Machine_Learning. indb 1 07/05/2019 17:07:51 | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
CG_MIOLO_Hands_On_Machine_Learning. indb 2 07/05/2019 17:07:51 | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
3Capítulo 1 O Cenário do Aprendizado de Máquina A maioria das pessoas pensa em um robô quando ouve “Aprendizado de Máquina”: um mordomo confiável ou um Exterminador do Futuro, dependendo para quem você perguntar. Mas o Aprendizado de Máquina não é apenas uma fantasia futurista; ele já está entre nós. Na verdade, há alg... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
4 | Capítulo 1: O Cenário do Aprendizado de Máquinacódigo), tudo bastante simples, mas você deve se certificar de que entendeu tudo antes de continuar. Então pegue um café e mãos à obra ! Se você já conhece todos os conceitos básicos do Aprendizado de Máquina, pule diretamente para o Capítulo 2. Se não tiver certeza, t... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Por que Utilizar o Aprendizado de Máquina? | 5Por que Utilizar o Aprendizado de Máquina? Considere como você escreveria um filtro de spam utilizando técnicas de programação tradicionais (Figura 1-1): 1. Pri meiro, identificaria as características do spam. Você nota que algumas palavras ou frases (termos em inglês como ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
6 | Capítulo 1: O Cenário do Aprendizado de Máquina Estude o problema Analise os erro s Treine o algoritmo AMAvalie a solução Lance! Dados Figura 1-2. Abordagem do Aprendizado de Máquina Além disso, se os spammers perceberem que todos os seus e-mails contendo “4U” são bloqueados, poderão começar a escrever “For U”. Um ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Por que Utilizar o Aprendizado de Máquina? | 7perceber que a palavra “Two” começa com um som agudo (“T”), então você codifica um algoritmo que mede a intensidade do som agudo e o utiliza para distinguir “One” e “Two”. Obviamente, esta técnica não se estenderá a milhares de palavras faladas por milhões de pessoas muito ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
8 | Capítulo 1: O Cenário do Aprendizado de Máquina Ambientes flutuantes: um sistema de Aprendizado de Máquina pode se adaptar a no vos dados; Com preensão de problemas complexos e grandes quantidades de dados. Tipos de Sistemas do Aprendizado de Máquina Existem tantos tipos diferentes de sistemas de Aprendizado de Máq... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 9 Conjunto de treinamento Nova instância Rótulo Instância Figura 1-5. Um conjunto de treinamento rotulado para aprendizado supervisionado (por exemplo, classificação de spam) A classificação é uma tarefa típica do aprendizado supervisionado. O filtro de spam é um bom exempl... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
10 | Capítulo 1: O Cenário do Aprendizado de Máquina Observe que alguns algoritmos de regressão também podem ser utilizados para clas-sificação, e vice-versa. Por exemplo, a Regressão Logística é comumente utilizada para classificação pois pode produzir um valor que corresponde à probabilidade de pertencer a uma determ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 11 Clustering —k-Means —Clustering Hierárquico [HCA, do inglês] —Max imização da Expectativa Visualização e redução da dimensionalidade —Aná lise de Componentes Principais [PCA, do inglês] —Kernel PCA —Loca lly-Linear Embedding (LLE) —t-distributed Stochastic Neighbor Embed... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
12 | Capítulo 1: O Cenário do Aprendizado de Máquinaexibem uma representação 2D ou 3D de seus dados que podem ser facilmente plotados (Figura 1-9). Esses algoritmos tentam preservar o máximo da estrutura (por exemplo, tentam fazer com que os clusters no espaço de entrada que estão separados não se sobre-ponham na visua... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 13É uma boa ideia tentar reduzir a dimensão dos dados de treinamento com a utilização de um algoritmo de redução de dimensionalidade antes de fornecê-lo a outro algoritmo do Aprendizado de Máquina (como um algoritmo de aprendizado supervisionado). Este algoritmo será execut... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
14 | Capítulo 1: O Cenário do Aprendizado de Máquina Alguns serviços de hospedagem de fotos, como o Google Fotos, são bons exemplos disso. Ao carregar todas as suas fotos de família, o aplicativo reconhecerá automaticamente que a mesma pessoa (A) aparece nas fotos 1, 5 e 11 enquanto outra pessoa (B) aparece nas fotos 2... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 15 Ambiente Opa!-50 ponto s Da próxima vez, evit e. Ruim!Obser ve Selecione a ação utilizando a política Ação! Ganhe a recompensa ou a penalidade Atualize a política (etapa de aprendizado) Itere até encontra r uma boa política Agente Figura 1-12. Aprendizado por reforço Por... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
16 | Capítulo 1: O Cenário do Aprendizado de Máquina Felizmente, todo o processo de treinamento, avaliação e lançamento de um sistema de Aprendizado de Máquina pode ser automatizado facilmente (como mostrado na Figura 1-3), então mesmo um sistema de aprendizado em lote pode se adaptar às mudanças. Basta atualizar os da... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 17O aprendizado online é excelente para sistemas que recebem dados como um fluxo contínuo (por exemplo, preços das ações) e precisam se adaptar às mudanças rápida ou autonoma-mente. Também é uma boa opção se seus recursos de computação são limitados: uma vez que um sistema ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
18 | Capítulo 1: O Cenário do Aprendizado de Máquina Um grande desafio no aprendizado online é que, se incluirmos dados ruins no sistema, seu desempenho diminuirá gradualmente. Se estamos falando de um sistema ao vivo, seus clientes perceberão. Por exemplo, dados ruins podem vir de um sensor com mau funcionamento em um... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 19 Cara cterística 2 Nova instância Treinando instâncias Cara cterística 1 Figura 1-15. Aprendizado baseado em instância Aprendizado baseado em modelo Outra maneira de generalizar a partir de um conjunto de exemplos seria construir um modelo desses exemplos e utilizar esse ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
20 | Capítulo 1: O Cenário do Aprendizado de Máquina Vamos plotar os dados para alguns países aleatórios (Figura 1-17). Satisfação de vida PIB per capita Hungria Coreia França Austrália EUA Figura 1-17. Você vê uma tendência aqui? Parece haver uma tendência aqui! Embora os dados estejam ruidosos (ou seja, parcialmente ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Tipos de Sistemas do Aprendizado de Máquina | 21Antes de poder utilizar seu modelo, você precisa definir os valores dos parâmetros θ0 e θ1. Como você pode saber quais valores farão seu modelo funcionar melhor? Para responder a esta pergunta, você precisa especificar uma medida de desempenho. Você pode definir uma funçã... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
22 | Capítulo 1: O Cenário do Aprendizado de Máquina Exemplo 1-1. Treinando e executando um modelo linear utilizando o Scikit-Learn import matplotlib import matplotlib. pyplot as plt import numpy as np import pandas as pdimport sklearn # Carregue os dados oecd_bli = pd. read_csv("oecd_bli_2015. csv", thousands=',') gdp... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Principais Desafios do Aprendizado de Máquina | 23Se tudo correu bem, seu modelo fará boas previsões. Caso contrário, talvez seja necessário utilizar mais atributos (taxa de emprego, saúde, poluição do ar, etc. ), obter mais ou melhor qualidade dos dados de treinamento, ou talvez selecionar um modelo mais poderoso (por... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
24 | Capítulo 1: O Cenário do Aprendizado de Máquina A Eficácia Não Razoável dos Dados Em um artigo famoso ( http://goo. gl/R5en IE ) publicado em 2001, os pesquisadores da Microsoft Michele Banko e Eric Brill mostraram que, uma vez que dados suficientes foram fornecidos, algoritmos do aprendizado de máquina muito dife... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Principais Desafios do Aprendizado de Máquina | 25Dados de Treinamento Não Representativos A fim de generalizar bem, é crucial que seus dados de treinamento sejam representati-vos dos novos casos para os quais você deseja generalizar, não importa se você utiliza o aprendizado baseado em instâncias ou o aprendizado base... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
26 | Capítulo 1: O Cenário do Aprendizado de Máquina Mas, na verdade, Roosevelt venceu as eleições com 62% dos votos. A falha aconteceu no mé-todo de amostragem da Literary Digest : Em pr imeiro lugar, ao obter os endereços para o envio das pesquisas, a Literary Digest utilizou listas telefônicas, de assinantes, de mem... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Principais Desafios do Aprendizado de Máquina | 27Características Irrelevantes Como diz o ditado: entra lixo, sai lixo. Seu sistema só será capaz de aprender se os dados de treinamento contiverem características relevantes suficientes e poucas características irrelevantes. Uma parte crítica do sucesso de um projeto de ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
28 | Capítulo 1: O Cenário do Aprendizado de Máquina Modelos complexos como redes neurais profundas podem detectar padrões sutis nos dados, mas se o conjunto de treinamento é ruidoso ou se é muito pequeno (o que intro-duz ruído na amostragem), então o modelo provavelmente detectará padrões no próprio ruído. É óbvio que... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Principais Desafios do Aprendizado de Máquina | 29A Figura 1-23 mostra três modelos: a linha pontilhada representa o modelo original que foi treinado com poucos países, a linha tracejada é o nosso segundo modelo trei-nado com todos os países, e a linha sólida é um modelo linear treinado com os mes-mos dados do primeiro... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
30 | Capítulo 1: O Cenário do Aprendizado de Máquina Alimentar o algoritmo de aprendizado com melhores características ( fe ature engineering ); Red uzir as restrições no modelo (por exemplo, reduzindo o hiperparâmetro de regularização). Voltando Atrás Agora você já sabe muito sobre o Aprendizado de Máquina. No entanto... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Testando e Validando | 31Uma opção melhor seria dividir seus dados em dois conjuntos: o conjunto de treinamento e o conjunto de teste. Como esses nomes implicam, você treina seu modelo utilizando o conjunto de treinamento e o testa utilizando o conjunto de teste. A taxa de erro em novos casos é chamada de erro de gener... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
32 | Capítulo 1: O Cenário do Aprendizado de Máquina Para evitar “desperdiçar” muitos dados de treinamento em conjuntos de validação, uma técnica comum é utilizar a validação cruzada: o conjunto de treinamento é dividido em subconjuntos complementares e cada modelo é treinado com uma combinação diferente desses subconj... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Exercícios | 336. Que tipo de algoritmo de Aprendizado de Máquina você utilizaria para permitir qu e um robô ande em vários terrenos desconhecidos? 7. Que ti po de algoritmo você utilizaria para segmentar seus clientes em vários grupos? 8. Voc ê enquadraria o problema da detecção de spam como um problema de aprendizado... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
CG_MIOLO_Hands_On_Machine_Learning. indb 34 07/05/2019 17:07:58 | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
35Capítulo 2 Projeto de Aprendizado de Máquina de Ponta a Ponta Neste capítulo você verá um exemplo de projeto de ponta a ponta na pele de um cientista de dados recentemente contratado por uma empresa do mercado imobiliário. 1 Você seguirá estes principais passos: 1. Olh ar para o quadro geral; 2. Obter o s dados; 3. D... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
36 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta —Conjunto de dados no Kaggle ( ht tps://www. kaggle. com/datasets ) —Con junto de Dados no AWS da A ma zon ( http://aws. amazon. com/fr/datasets/ ) Met a portais (eles listam repositórios open data ): —htt p://dataportals. org/ —htt p://opendatamonitor... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Um Olhar no Quadro Geral | 37Um Olhar no Quadro Geral Bem-vindo à Machine Learning Housing Corporation! A primeira tarefa que você executará será construir um modelo de preços do setor imobiliário utilizando os dados do censo da Califórnia. Esses dados têm métricas como população, renda média, preço médio do setor imob... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
38 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Seu componente Outros sinais Preços do Bairro Investimento s Análise de Investimento Dados do Bairroascendente s Componente s Preços do Bairro Figura 2-2. Um pipeline de Aprendizado de Máquina para investimentos imobiliários Pipelines Uma sequência de ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Um Olhar no Quadro Geral | 39parecem um ótimo conjunto de dados para serem explorados com este propósito, pois incluem os preços médios de milhares de bairros, bem como outros dados. Bem, com toda essa informação você já está pronto para começar a projetar seu sistema. Primeiro, você precisa enquadrar o problema: será ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
40 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta4z Notações Esta equação apresenta vários apontamentos muito comuns do Aprendizado de Máquina que usaremos ao longo deste livro: m é o núm ero de instâncias no conjunto de dados no qual você está medindo o RMSE. —Por exemplo, se estiver avaliando o RMSE... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Um Olhar no Quadro Geral | 41 —Por exemplo, se o seu sistema prevê que o preço médio no primeiro bairro é de US $ 158. 400, então ŷ(1) = h(x(1)) = 158. 400. A previsão de erro para este bairro é ŷ(1)-y(1) = 2. 000. RMSE( X,h) é a função de custo medida no conjunto de exemplos utilizando sua hipótese h. Usamos a fonte e... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
42 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Verifique as Hipóteses Por último, uma boa prática é listar e verificar as hipóteses que foram feitas até agora (por você ou outros); fica mais fácil pegar problemas sérios logo no início. Por exemplo, os preços dos bairros mostrados pelo seu sistema s... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Obtenha os Dados | 43maneiras de instalá-los (e suas dependências). Você pode utilizar o sistema de empacota-mento do seu sistema (por exemplo, apt-get no Ubuntu, ou Mac Ports ou Home Brew no mac OS), instale uma distribuição científica do Python, como o Anaconda, e utilize seu sistema de empacotamento, ou utilize o si... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
44 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Qualquer pacote que você instalar utilizando pip será instalado neste ambiente isolado enquanto o ambiente estiver ativo, e o Python somente terá acesso a esses pacotes (se você também quiser acesso aos pacotes do sistema no site, deverá criar o ambien... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Obtenha os Dados | 45 Files Running Clusters Logout Sele ct items to per form actions on them. Upload New Text File Folder Terminal Notebooks Octa ve Python 2 Python 3env Figura 2-3. Seu espaço de trabalho no Jupyter Um notebook contém uma lista de células. Cada célula pode conter código executável ou texto formatado. ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
46 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Pontahousing. tgz, que contém um arquivo com valores separados por vírgulas (CSV) chamado housing. csv com todos os dados. Você poderia usar o navegador da Web para baixá-lo e executar o tar xzf housing. tgz para descompactá-lo e extrair o arquivo CSV, mas é... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Obtenha os Dados | 47Uma Rápida Olhada na Estrutura dos Dados Utilizando o método head() do Data Frame, vejamos as cinco linhas superiores (veja Figura 2-5). Figura 2-5. As cinco linhas superiores no conjunto de dados Cada linha representa um bairro. Existem 10 atributos (você pode ver os primeiros seis na captura de t... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
48 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Todos os atributos são numéricos, exceto o campo ocean_proximity. Seu tipo é object, então ele poderia conter qualquer tipo de objeto Python, mas, como você carregou esses dados de um arquivo CSV, você sabe que ele deve ser um atributo de texto. Quando... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Obtenha os Dados | 49Outro método rápido de perceber o tipo de dados com o qual você está lidando é traçar um histograma para cada atributo numérico. Um histograma mostra o número de ins-tâncias (no eixo vertical) que possuem um determinado intervalo de valores (no eixo horizontal). Você pode traçar esse único atributo... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
50 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Preste atenção em alguns pontos destes histogramas: 1. Pri meiro, o atributo da renda média não parece estar expresso em dólares ame-ricanos (USD). Depois de verificar com a equipe de coleta de dados, você é infor-mado que os dados foram dimensionados ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Obtenha os Dados | 51Crie um Conjunto de Testes Pode parecer estranho colocar de lado, voluntariamente, uma parte dos dados nesta fase. Afinal, você só deu uma rápida olhada nos dados e certamente precisa aprender muito mais a respeito antes de decidir quais algoritmos usar, certo? Isso é verdade, mas o seu cérebro é u... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
52 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Pontaficador de cada instância, manter apenas o último byte do hash e colocar a instância no conjunto de teste se esse valor for menor ou igual a 51 (~20% de 256). Isso garante que o conjunto de teste permanecerá consistente em várias execuções, mesmo ao atu... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Obtenha os Dados | 53Até agora consideramos somente métodos de amostragem puramente aleatórios. Isso geralmente é bom se o seu conjunto de dados for suficientemente grande (especialmente em relação ao número de atributos), mas, se não for, corre o risco de apresentar um viés significativo de amostragem. Quando uma empr... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
54 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Figura 2-9. Histograma das categorias de renda Agora você está pronto para fazer uma amostragem estratificada com base na categoria da renda. Para isso você pode utilizar a classe Stratified Shuffle Split do Scikit-Learn: from sklearn. model_selection ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 55 Figura 2-10. Comparação de viés de amostragem estratificada versus amostragem aleatória Agora, você deve remover o atributo income_cat para que os dados voltem ao seu estado original: for set_ in (strat_train_set, strat_test_set): set_. drop("income_cat", axis=1... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
56 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Latitude Longitude Figura 2-11. Um diagrama de dispersão geográfica dos dados Isso se parece com a Califórnia, mas, além disso, é difícil ver qualquer padrão específico. Definir a opção alpha em 0,1 facilita a visualização dos locais onde existe uma al... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 57No geral, nosso cérebro é muito bom em detectar padrões em imagens, mas talvez seja necessário brincar com parâmetros de visualização para que os padrões se destaquem. Agora, vejamos os preços do setor imobiliário (Figura 2-13). O raio de cada círculo re-presenta... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
58 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Buscando Correlações Uma vez que o conjunto de dados não é muito grande, você pode calcular facilmente o coeficiente de correlação padrão (também chamado r de Pearson ) entre cada par de atributos utilizando o método corr() : corr_matrix = housing. cor... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 59O coeficiente de correlação apenas mede correlações lineares (“se x sobe, então y geralmente sobe/desce”). Ele pode perder completa-mente as relações não lineares (por exemplo, “se x é próximo a zero, então, y, geralmente, sobe”). Observe como todas as plotagens ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
60 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta A diagonal principal (superior esquerda até a parte inferior direita) seria cheia de linhas retas se o Pandas plotasse cada variável em relação a si mesma, o que não seria muito útil. Então, em vez disso, o Pandas exibe um histograma para cada atributo... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 61com o atributo-alvo. Também foi possível perceber que alguns atributos têm um rastro de distribuição prolongado, então pode ser que você queira transformá-los (por exemplo, ao calcular seu logaritmo). Claro, o seu raio de ação variará consideravelmente a cada pro... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
62 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Prepare os Dados para Algoritmos do Aprendizado de Máquina É hora de preparar os dados para seus algoritmos de Aprendizado de Máquina. Em vez de fazer isso manualmente, escreva funções, por vários bons motivos: Isso p ermitirá que você reproduza essas ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Prepare os Dados para Algoritmos do Aprendizado de Máquina | 63Se você escolher a opção 3, deve calcular o valor médio no conjunto de treinamento e usá-lo para preencher os valores faltantes neste, mas não se esqueça de também salvar o valor médio que você calculou. Você precisará dele mais tarde para substituir os val... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
64 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Scikit-Learn Design A API do Scikit-Learn é muito bem projetada. Os principais princípios de design (http:// goo. gl/w L10s I) são:15 Consistência. To dos os objetos compartilham uma interface simples e consistente: —Estimadores. Qualquer objeto que po... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 65 Não proliferação de classes. Os c onjuntos de dados são representados como arrays Num Py ou matrizes esparsas Sci Py em vez de classes caseiras. Os hiperparâmetros são apenas strings ou números Python. Composição. Os blocos de construção existentes são reutiliza... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
66 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Um problema nesta representação é que os algoritmos de Aprendizado de Máquina assumirão que dois valores próximos são mais parecidos do que dois valores distantes. Obviamente, este não é o caso (por exemplo, as categorias 0 e 4 são mais semelhantes do ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 67será adicionada em breve, então talvez já esteja disponível no momento em que você lê este livro. Se não estiver, pode obtê-la no notebook Jupyter para este capítulo (o código foi copiado do Pull Request #9151). Segue abaixo como usá-la: >>> from sklearn. preproc... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
68 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Pontacom as funcionalidades do Scikit-Learn (como os pipelines ) e, como o Scikit-Learn depende da tipagem duck typing (não herança), você só precisa criar uma classe e im-plementar os três métodos: fit() (retornando self ), transform() e fit_transform(). Vo... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Descubra e Visualize os Dados para Obter Informações | 69varia de 6 a 39. 320, enquanto os rendimentos médios variam apenas de 0 a 15. Observe que geralmente não é necessário escalar os valores-alvo. Existem duas maneiras comuns de todos os atributos obterem a mesma escala: escala min-max e padronização. O escalonament... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
70 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta O construtor Pipeline se vale de uma lista de pares de nome/estimador que definem uma sequência de etapas. Todos, exceto o último estimador, devem ser transformadores (ou seja, eles devem ter um método fit_transform() ). Os nomes podem ser o que você q... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Selecione e Treine um Modelo | 71num_attribs = list(housing_num) cat_attribs = ["ocean_proximity"] num_pipeline = Pipeline([ ('selector', Data Frame Selector(num_attribs)), ('imputer', Imputer(strategy="median")), ('attribs_adder', Combined Attributes Adder()), ('std_scaler', Standard Scaler()), ]) Mas como é possível ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
72 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Treinando e Avaliando o Conjunto de Treinamento A boa notícia é que, graças a todas essas etapas anteriores, as coisas agora serão muito mais simples do que você pensa. Treinaremos primeiro um modelo de Regressão Linear, como fizemos no capítulo anteri... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Selecione e Treine um Modelo | 73Treinaremos um Decision Tree Regressor. Este é um modelo poderoso, capaz de encontrar relações não lineares complexas nos dados (as Árvores de Decisão serão apresentadas com mais detalhes no Capítulo 6). O código deve ser familiar agora: from sklearn. tree import Decision Tree Regressor... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
74 | Capítulo 2: Projeto de Aprendizado de Máquina de Ponta a Ponta Os recursos da validação cruzada do Scikit-Learn esperam uma função de utilidade (mais alta é melhor) ao invés de uma função de custo (mais baixa é melhor), de modo que a função de pontuação é exatamente o oposto do MSE (ou seja, um valor negativo), e ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
Selecione e Treine um Modelo | 75previsões. Construir um modelo em cima de muitos outros modelos é chamado Ensemble Learning, e muitas vezes é uma ótima maneira de aumentar ainda mais os algoritmos de Aprendizado de Máquina. Ignoraremos a maior parte do código, pois é essencialmente o mesmo para os outros modelos: >>> ... | Mãos à obra Aprendizado de máquina Aurelien Geron.pdf |
End of preview. Expand in Data Studio
README.md exists but content is empty.
- Downloads last month
- 14