Visão Geral
Algoritmos que aprendem X (input) para mapear y (output). Você passa exemplos para o algoritmo, incluindo respostas certas, para que ele possa aprender. Ou seja, a saída correta de Y, para a entrada X.
Depois que aprende, o algoritmo recebe apenas X, sem y, fornece uma previsão ou estimativa aproximada da saída y.
Nomenclaturas
O algoritmo de aprendizado gera uma função, chamada de modelo, que recebe X, também chamado de características (Features) e gera y estimado , também chamado de previsão (prediction) .
Terminologias
- Training set : conjunto de dados utilizados para treinar o modelo
- X : “input” , variáveis de entrada, features.
- y : “output” , variavel de saida, ‘target’.
- Cada linha representa um exemplo de treinamento diferente.
- m : número de exemplos de treinamento
- (X,y) : Par com os dados de treino
- (X ^ i, y ^i ) : Exemplo de treino
Qual a fórmula matemática que representa f ?
f é uma função que recebe os dados de entrada (X) , e os valores dos parametros do algoritmo de aprendizado supervisionado e produz um valor estimado de Y , chamado de y – hat.
Exemplos
- Treina o modelo com o X (inputs) e as respostas certas (y).
- Depois que o modelo foi treinado, um novo valor de X, ainda não visto pelo modelo , é apresentado e o modelo tenta prever um valor apropriado correspondente a y (output).
Tipos de Aprendizado Supervisionado
Clique aqui.
Referências
Curso Coursera : Supervised Machine Learning: Regression and Classification