Anúncio: Novo Livro de Luis Serrano! Grokking Machine Learning. bit.ly/grokkingML
Código de desconto de 40%: serranoyt
Uma jornada amigável no processo de avaliar e melhorar modelos de aprendizado de máquina.
- Treinamento, Teste
- Métricas de Avaliação: Acurácia, Precisão, Revocação, F1 Score
- Tipos de Erros: Overfitting e Underfitting
- Validação Cruzada e Validação Cruzada K-fold
- Gráficos de Avaliação de Modelos
- Busca em Grade
Para uma implementação de código, confira este repositório:
0:00 Introdução
0:37 Qual modelo é melhor
1:31 Por que Testar?
3:27 Regra de Ouro # 1
4:21 Como não 'perder' os dados de treinamento?
4:38 Validação Cruzada K-Fold
5:20 Aleatorização na Validação Cruzada
5:38 Métricas de Avaliação
7:53 Modelo Médico
8:05 Modelo de Classificação de Spam
9:25 Diagnóstico da Matriz de Confusão
11:50 Acurácia
19:47 Precisão e Revocação
20:54 Fraude com Cartão de Crédito
22:36 Média Harmônica
24:08 F1 Score
27:16 Tipos de Erros
27:56 Classificação
30:03 Erro devido à variância (overfitting)
30:18 Erro devido ao viés (underfitting)
31:45 Compensação
37:55 Solução: Teste de Validação Cruzada
39:16 Treinando um Modelo de Regressão Logística
40:04 Treinando uma Árvore de Decisão
40:49 Treinando uma Máquina de Vetores de Suporte
41:14 Validação Cruzada de Busca em Grade
41:59 Parâmetros e Hiperparâmetros
42:56 Como resolver um problema
43:20 Como usar aprendizado de máquina
44:04 Obrigado!