Sei sulla pagina 1di 2

www.datascienceacademy.com.

br



Big Data Analytics com R e Microsoft Azure
Machine Learning


Bonus

Support Vector Machines



Big Data Analytics com R e Microsoft Azure Machine Learning


Como você deve ter percebido, existe um padrão na utilização dos algoritmos de Machine
Learning e seu trabalho como Cientista de Dados é compreender os parâmetros e como extrair
o melhor de cada modelo. A forma mais fácil de começar em Machine Learning é através de
regressão, pois o conceito é objetivo e bem menos abstrato que algoritmos mais avançados.
Mas claro que não podemos aplicar apenas regressão aos nossos problemas e existem muitas
outras opções disponíveis para se trabalhar com Machine Learning e opções que resolvem os
mais variados tipos de problemas. Pense nos algoritmos de Aprendizado de Máquina como um
arsenal de armas a sua disposição: machado, espada, adaga, etc... Você não vai conseguir
aprender a usar todas elas ao mesmo tempo. A regressão é como uma espada, que permite
você cortar seus dados de forma eficiente, mas se você precisar de um corte mais preciso, você
não usaria uma espada e sim uma faca bem afiada. Pense no SVM (Support Vector Machine)
como essa faca afiada. Ele permite que você faça um ajuste fino, que a regressão não
permitiria.

Support Vector Machine (SVM) são modelos de aprendizagem de máquina com algoritmos que
analisam dados e reconhecem padrões. São usados tanto para análise de regressão quanto
para classificação. A partir de um conjunto de dados de treinamento, em que os dados são
marcados para pertencer a uma ou duas categorias, um algoritmo de SVM constrói um modelo
que atribui novos exemplos em uma categoria ou outra, criando assim um classificados linear
binário não probabilístico. Belo nome não?

No curso de Machine Learning da Formação Cientista de Dados, estudaremos este algoritmo
em detalhes. Por agora, carregue o script anexo no RStudio e estude os comandos usados para
criar o modelo SVM. Esse contato inicial com o algoritmo, será muito útil mais à frente quando
estudarmos o SVM.



Equipe Data Science Academy


Data Science Academy 2


www.datascienceacademy.com.br

Potrebbero piacerti anche