Data Science Academy marcanttins@gmail.

com 5d804a805e4cdeb50c8b4581

Machine Learning em Python e C++

Machine Learning em Python e C++

Machine Learning em Python e C++

Combinando Estimadores Fracos

Data Science Academy

www.datascienceacademy.com.br
 Data Science Academy marcanttins@gmail.com 5d804a805e4cdeb50c8b4581

Machine Learning em Python e C++

Para configurar um método de aprendizagem por conjunto, primeiro precisamos

selecionar nossos modelos básicos a serem agregados. Na maioria das vezes (incluindo os bem
conhecidos métodos de bagging e boosting), um algoritmo de aprendizagem de base única é
usado para que tenhamos estimadores fracos homogêneos que são treinados de maneiras
diferentes. O modelo de conjunto que obtemos é então considerado “homogêneo”. No entanto,
também existem alguns métodos que usam diferentes tipos de algoritmos de aprendizagem de
base: alguns estimadores fracos heterogêneos são então combinados em um “modelo de
conjuntos heterogêneos”.

Um ponto importante é que nossa escolha de estimadores fracos deve ser coerente com
a forma como agregamos esses modelos. Se escolhermos modelos base com baixo viés, mas alta
variância, deve ser com um método de agregação que tende a reduzir a variância, enquanto se
escolhermos modelos base com baixa variância, mas alto viés, deve ser com um método de
agregação que tende a reduzir o viés.

Data Science Academy

www.datascienceacademy.com.br