
Olá amigos da IA e do ML! Hoje trazemos para vocês um algoritmo de ML capaz de aprender regras escondidas por trás dos dados e aplicá-las para a classificação de novas informações. Trata-se de Árvores de Decisão (ou Decision Trees). Nesta aula vamos aprender como usar e também veremos na prática como aplicar este algoritmo ao modelo RFV (Recência, Frequência, Valor) que vimos na aula passada e, assim, poderemos comparar o desempenho de um versus o desempenho do outro.
As Decision Trees (DTs) são algoritmos de aprendizado de máquina supervisionado usado para classificação e regressão, que objetiva simular um modelo para predizer o valor de uma variável dependente com base em regras simples, inferidas durante o processo de aprendizado (treinamento).

Fonte: COGИITIVA
O uso de DTs é muito amplo, sendo muitas vezes usados em conjunto com K-Means para determinação do número de classes antes da etapa de treinamento.
Faça o download desta aula e salve o arquivo na pasta do curso no seu computador:
Você também vai precisar destes arquivos:
Módulo 4 - Parte 1 - Modelos Classificadores - Dados Completos.csv
Módulo 4 - Parte 2 - Modelos Classificadores - Dados para Treinar.csv
Módulo 4 - Parte 2 - Modelos Classificadores - Dados para Validar.csv
Módulo 4 - Parte 2 - Modelos Classificadores - Dados para Treinar - 1 milésimo.csv
Módulo 4 - Parte 2 - Modelos Classificadores - Dados para Validar - 1 milésimo.csv
Opcionalmente, se achar interessante, esta planilha contém a memória da origem de todos os dados e dos cálculos determinísticos para a matriz RFV:
Não custa lembrar que todos estes arquivos também estão disponíveis para download na área de downloads do site da COGИITIVA.
Boa sorte e siga aprendendo, sempre!
Comments