A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Aprendizado de Máquina Fábio de Azevedo Soares

Apresentações semelhantes


Apresentação em tema: "Aprendizado de Máquina Fábio de Azevedo Soares"— Transcrição da apresentação:

1 Aprendizado de Máquina Fábio de Azevedo Soares

2 © LES/PUC-Rio Agenda Introdução Aprendizado Supervisionado Aprendizado Não-Supervisionado Aprendizado por Reforço Aplicações Referências

3 Introdução Aprendizado de Máquina (do inglês, Machine Learning) é a área de Inteligência Artificial cujo objetivo é o desenvolvimento de técnicas computacionais sobre processo de aprendizado (BISHOP, 2007). © LES/PUC-Rio

4 Introdução Aprender pode ser caracterizado como a capacidade de obter melhor desempenho pela experiência. © LES/PUC-Rio Um programa aprende a partir da experiência E, em relação a uma classe de tarefas T, com me- dida de desempenho P, se seu desempenho em T, medido por P, melhora com E MITCHELL, 1997

5 Introdução Detecção de bons clientes para um cartão de crédito –Tarefa T: classificar potenciais novos clientes como bons ou maus pagadores; –Medida de Desempenho P: porcentagem de clientes classificados corretamente; –Experiência de Treinamento E: uma base de dados histórica em que os clientes já conhecidos são previamente classificados como bons ou maus pagadores. © LES/PUC-Rio

6 Introdução A idéia por trás da aprendizagem é que as percepções devem ser usadas não apenas para agir, mas, também para melhorar a habilidade do agente (RUSSEL & NORVIG, 2004). © LES/PUC-Rio ? Ambiente Agente Sensores Atuadores Percepções Ações

7 Introdução No modelo simples de AM, representado abaixo, o ambiente fornece alguma informação para um elemento de aprendizagem (HAYKIN, 2001): –O elemento de aprendizagem utiliza, então, esta informação para aperfeiçoar a base de conhecimento, e finalmente, o elemento de desempenho utiliza a base de conhecimento para executar a sua tarefa. © LES/PUC-Rio 1. Ambiente 2. Elemento de aprendizagem 3. Base de conhecimento 4. Elemento de Desempenho Armazenar conhecimento; Aplicar o conhecimento; Adquirir novo conhecimento.

8 Formas de Aprendizagem O campo de Aprendizado de Máquina distingue três casos: –Aprendizado Supervisionado; –Aprendizado Não-Supervisionado; –Aprendizado por Reforço. © LES/PUC-Rio

9 Aprendizado Supervisionado É fornecida uma referência do objetivo a ser alcançado: –o algoritmo de aprendizado recebe o valor de saída desejado para cada conjunto de dados de entrada apresentado. Envolve o aprendizado de uma função a partir de exemplos de sua entrada e saída. Para rótulos discretos, esse problema é chamado de classificação e para valores contínuos como regressão. Exemplos de algoritmos: Árvores de Decisão, Redes Neurais (BP), SVM, TBL. © LES/PUC-Rio

10 Vetor de entrada Aprendizado Supervisionado © LES/PUC-Rio Algoritmo de Aprendizado Saída calculada Saída desejada Erro

11 Procedimento básico de treinamento: 1.Coletar um grande conjunto de exemplos. 2.Dividir este conjunto em dois sub-conjuntos distintos: conjunto de treinamento e conjunto de teste. 3.Treinar o algoritmo de aprendizado junto ao conjunto de treinamento. 4.Simular o algoritmo de aprendizado treinado no conjunto de testes e medir a porcentagem de exemplos corretamente classificados. 5.Repetir os passos de 1 a 5 para diferentes tamanhos de conjuntos de treinamento e diferentes conjuntos de treinamento © LES/PUC-Rio Aprendizado Supervisionado

12 Aprendizado Não-Supervisionado É fornecido somente o conjunto de dados de entrada: –Não existe a saída desejada. Envolve a aprendizagem de padrões na entrada quando não são apresentados valores de saída específicos. Em geral, é utilizado para encontrar aglomerados de conjuntos de dados semelhantes entre si (clusters). Exemplos de algoritmos: C-means, K-means, KNN, Redes Neurais (SOM). © LES/PUC-Rio

13 Aprendizado Não-Supervisionado © LES/PUC-Rio Entrada Vizinhança Atualização SOM (Self-Orgazining Map)

14 Aprendizado por Reforço Aprendizado a partir da interação learner–environment: –Muitas vezes é impraticável o uso de aprendizagem supervisionada. Baseado em tentativa e erro. Existe processo de busca (exploration) no espaço Aprende a escolher ações apenas interagindo com o ambiente. Através das interações, o agente descobre as relações de causa e efeito. © LES/PUC-Rio

15 Aprendizado por Reforço O agente recebe do ambiente um valor de resposta (recompensa/reforço). Esta recompensa avalia o desempenho do agente durante o processo de aprendizado. © LES/PUC-Rio SUTTON, R. S. & BARTO, A. G. (1998)

16 Aprendizado por Reforço Agente motorista de taxi: –Falta de gorjeta no fim da viagem; –Multa pesada por avançar sinal; –Bater na traseira de um carro O reforço fornece alguma indicação ao agente de que seu comportamento é desejável ou não. Em geral inclui o subproblema de aprender como o ambiente funciona. © LES/PUC-Rio

17 Aplicações Os métodos de Aprendizado de Máquina têm sido empregados em problemas como: –Veículos autônomos que aprendem a dirigir em vias expressas. –Reconhecimento da fala. –Detecção de fraudes em cartões de crédito. –Estratégias para a construção de jogos. –Programas de Mineração de Dados que descobrem regras gerais em grandes bases de dados. –Sistemas biométricos. –Sistemas financeiros. © LES/PUC-Rio

18 Referências BISHOP, C. M. (2007). Pattern Recognition and Machine Learning. Springer. HAYKIN, S. (2001). Redes Neurais: princípios e prática. Porto Alegre: Bookman. MITCHELL, T. (1997). Machine Learning. McGraw Hill. RUSSELL, N., & NORVIG, P. (2004). Inteligência Artificial (2 ed.). Rio de Janeiro: Elsevier. SUTTON, R. S. & BARTO, A. G. (1998), Reinforcement Learning: An Introduction. MIT Press. © LES/PUC-Rio


Carregar ppt "Aprendizado de Máquina Fábio de Azevedo Soares"

Apresentações semelhantes


Anúncios Google