17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

10 Algoritmos de Machine Learning que você

precisa conhecer
18 de dezembro de 2018

Blog | Inteligência Artificial | Machine Learning

Não há dúvida de que o subcampo de Machine Learning/
Inteligência Artificial ganhou cada vez mais popularidade nos
últimos dois anos. Como Big Data é a tendência mais quente na
indústria de tecnologia no momento, o Machine Learning é
incrivelmente poderoso para fazer previsões ou sugestões
calculadas com base em grandes quantidades de dados.

Alguns dos exemplos mais comuns de algoritmos de ML são os da

Netflix, que fazem sugestões de filmes baseados naqueles que
você assistiu no passado, e os da Amazon, que recomendam livros
com base nos que você comprou anteriormente.

Portanto, se você quer saber mais de Machine Learning, como

começar? A minha introdução na área foi em uma classe de
Entre em contato conosco 
Inteligência Artificial, quando eu estava estudando em
Copenhague. Meu orientador foi um professor de Matemática
Aplicada e CS na Universidade Técnica da Dinamarca, focando
principalmente o uso da lógica para modelar o planejamento, o
raciocínio e a resolução
Política de Privacidade de problemas humanos. A classe era uma
& Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 1/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

mistura de discussão de conceitos teóricos e prática de resolução

de problemas.

O livro didático que usamos é um dos clássicos da IA: a Inteligência

Artificial de Peter Norvig – Uma Abordagem Moderna, na qual
abordamos tópicos importantes, incluindo agentes inteligentes,
resolução de problemas por busca, pesquisa adversarial, teoria de
probabilidade, sistemas multiagentes, IA social, filosofia/
ética/futuro da IA. No final da aula, em uma equipe de 3,
implementamos agentes baseados na busca simples,
solucionando tarefas de transporte em um ambiente virtual como
um projeto de programação.

Eu aprendi muito graças à classe e decidi continuar aprendendo

sobre este tema especializado. Nas últimas semanas, eu tenho
tido várias conversas de tecnologia em São Francisco sobre Deep
Learning, redes neurais, arquitetura de dados e uma conferência
de Machine Learning com muitos profissionais bem conhecidos no
campo. Mais importante ainda, eu fiz um curso on-line da Udacity
Intro to Machine Learning. Neste post, eu quero compartilhar
alguns dos algoritmos de Machine Learning mais comuns que eu
aprendi com o curso.

Os algoritmos de Machine Learning podem ser divididos em 3

categorias: aprendizagem supervisionada, aprendizagem não
supervisionada e aprendizado por reforço. A aprendizagem
supervisionada é útil nos casos em que uma propriedade (rótulo)
está disponível para um determinado conjunto de dados (conjunto
de treinamento). O aprendizado não supervisionado é útil nos
casos em que o desafio é descobrir relacionamentos implícitos em
um dado conjunto de dados não-rotulado (os itens não são pré-
atribuídos). O aprendizado de reforço está entre estes dois
extremos – existe alguma forma de feedback disponível para cada
passo ou ação preditiva, mas sem etiqueta precisa ou mensagem
de erro.

Uma vez que esta é uma classe de introdução, eu não aprendi

sobre aprendizado por reforço, mas espero que 10 algoritmos de
aprendizagem supervisionada e não supervisionada sejam
suficientes para mantê-lo interessado(a). Entre em contato conosco 

Aprendizagem Supervisionada
1.Árvores de Decisão
Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 2/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Uma árvore de decisão é uma ferramenta de apoio que utiliza um

gráfico ou modelo de decisões e suas possíveis consequências,
incluindo resultados de eventos fortuitos, custos de recursos e
utilidade. Dê uma olhada na imagem para ter uma ideia de como
ela se parece.

Do ponto de vista da decisão de negócios, uma árvore de decisão é

o número mínimo de perguntas que devem ser respondidas para
avaliar a probabilidade de tomar uma decisão correta, na maioria
das vezes. Como um método, permite-lhe abordar o problema de
uma forma estruturada e sistemática para chegar a uma
conclusão lógica.

2.Classificação Naïve Bayes

Os classificadores Naïve Bayes são uma família de classificadores
probabilísticos simples com base na aplicação Bayes ‘teorema
com forte independência entre as características. A imagem em
destaque é a equação – em que P (A| B) é a probabilidade
posterior, P (B|A) é a probabilidade, P (A) é a probabilidade prévia e
P (B) é preditor de probabilidade prévia.

Entre em contato conosco 

Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 3/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Alguns exemplos reais são:

Para marcar um e-mail como spam ou não spam

Classificar um artigo de notícias sobre tecnologia, política ou
esportes
Verificar um pedaço de texto expressando emoções positivas ou
negativas
Usado para software de reconhecimento facial

3. Regressão Linear de Mínimos Quadrados

Se você conhece estatísticas, provavelmente já ouviu falar de
regressão linear antes. Least Squares é um método para a
realização de regressão linear. Você pode pensar em regressão
linear como a tarefa de encaixar uma linha reta através de um
conjunto de pontos. Existem várias estratégias possíveis para isso
e a de “mínimos quadrados comuns” é assim: você pode desenhar
uma linha e, em seguida, para cada um dos pontos de dados,
medir a distância vertical entre o ponto e a linha e somá-los. A
linha ajustada seria aquela em que esta soma de distâncias é a
menor possível.

Entre em contato conosco 

Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 4/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Linear refere-se ao tipo de modelo que você está usando para

ajustar os dados, enquanto mínimos quadrados refere-se ao tipo
de métrica de erro que você está minimizando.

4.Regressão logística
A regressão logística é uma poderosa forma estatística de modelar
um resultado binomial com uma ou mais variáveis explicativas. Ela
mede a relação entre a variável dependente categórica e uma ou
mais variáveis independentes, estimando as probabilidades
usando uma função logística, que é a distribuição logística
cumulativa.

Entre em contato conosco 

E geral, as regressões podem ser usadas em aplicações reais, tais
como:

Pontuação
Política de crédito
de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 5/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Medir as taxas de sucesso das campanhas de marketing

Prever as receitas de um determinado produto
Haverá um terremoto em um determinado dia?

5. Support Vector Machine

SVM é um algoritmo binário da classificação. Dado um conjunto
de pontos de 2 tipos em lugar N dimensional, SVM gera um
hiperplano (N – 1) dimensional para separar esses pontos em 2
grupos. Digamos que você tem alguns pontos de 2 tipos em um
papel que são linearmente separáveis. SVM encontrará uma linha
reta que separa esses pontos em 2 tipos e situados o mais longe
possível de todos esses pontos.

Em termos de escala, alguns dos maiores problemas que foram

resolvidos usando SVMs (com implementações adequadamente
modificadas) são publicidades em display, reconhecimento de site
de splice humano, detecção de gênero baseada em imagem,
classificação de imagem em grande escala etc.

6. Ensemble Methods
São algoritmos de aprendizagem que constroem um conjunto de
classificadores e, em seguida, classificam novos pontos de dados,
Entre em contato conosco 
tendo um ponderado voto de suas previsões. O método de
conjunto original é a média bayesiana, mas os algoritmos mais
recentes incluem codificação de saída, correção de erros, bagging e
reforço.
Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 6/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Então, como funcionam os métodos de conjunto e por que eles

são superiores aos modelos individuais?

Eles reduzem a variância: A opinião agregada de um monte de

modelos é menos barulhenta do que a opinião única de um dos
modelos. Em finanças, isso é chamado diversificação – uma
carteira mista de muitas ações será muito menos variável do
que apenas um dos estoques sozinho. É por isso que seus
modelos serão melhores com mais pontos de dados do que
menos.
É improvável que eles se sobrepõem: se você tem modelos
individuais que não se sobrepõem e está combinando as
previsões de cada modelo de uma maneira simples (média,
média ponderada, regressão logística), então não há espaço
para sobrecarga.

Aprendizagem sem supervisão

7. Algoritmos de Agrupamento (Clustering)
É a tarefa de agrupar um conjunto de objetos de tal forma que os
do mesmo grupo (cluster) são mais semelhantes uns aos outros
do que aqueles em outros grupos.

Entre em contato conosco 

Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 7/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Cada algoritmo de agrupamento é diferente, e aqui estão alguns

deles:

Algoritmos baseados em Centroid

Algoritmos baseados em conectividade
Algoritmos baseados em densidade
Probabilístico
Redução da Dimensionalidade
Redes Neurais / Aprendizagem Profunda

8. Decomposição em valores singulares

Na álgebra linear, a SVD é uma fatorização de uma matriz
complexa real. Para uma dada matriz m* n M, existe uma
decomposição tal que M = UΣV, onde U e V são matrizes unitárias
e Σ é uma matriz diagonal.

Entre em contato conosco 

Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 8/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

PCA é realmente uma aplicação simples de SVD. Na visão

computacional, os algoritmos de reconhecimento de primeira face
usaram PCA e SVD para representar faces como uma combinação
linear de “eigenfaces”, fazer redução de dimensionalidade e, em
seguida, corresponder faces a identidades através de métodos
simples. Embora os métodos modernos sejam muito mais
sofisticados, muitos ainda dependem de técnicas semelhantes.

9. Análise de Componentes Principais

PCA é um procedimento estatístico que usa uma transformação
ortogonal para converter um conjunto de observações de
variáveis, possivelmente correlacionadas em um conjunto de
valores de variáveis linearmente não correlacionadas, chamadas
componentes principais.

Entre em contato conosco 

Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 9/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Algumas das aplicações do PCA incluem compressão,

simplificação de dados para facilitar o aprendizado e visualização.
Observe que o conhecimento do domínio é muito importante ao
escolher se deseja avançar com PCA ou não. Não é adequado nos
casos em que os dados são ruidosos (todos os componentes da
PCA têm uma variação bastante alta).

10. Análise de componentes independentes

ICA é uma técnica estatística para revelar fatores ocultos que
estão subjacentes a conjuntos de variáveis aleatórias, medições
ou sinais. A ICA define um modelo generativo para os dados
multivariados observados, que normalmente é dado como um
grande banco de dados de amostras. No modelo, as variáveis de
dados são assumidas como misturas lineares de algumas
variáveis latentes desconhecidas, e o sistema de mistura também
é desconhecido. As variáveis latentes são consideradas não-
gaussianas e mutuamente independentes, e são chamadas de
componentes independentes dos dados observados.

A ICA está relacionada ao PCA, mas é uma técnica muito mais

poderosa, capaz de encontrar os fatores subjacentes das fontes
quando esses métodos clássicos falham completamente. Suas
Entre em contato conosco 
aplicações incluem imagens digitais, bancos de dados de
documentos, indicadores econômicos e medições psicométricas.
Agora siga em frente e use sua compreensão de algoritmos para
criar aplicações de aprendizagem de máquina que possibilitam
melhores experiências
Política de Privacidade para as pessoas em todos os lugares.
& Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 10/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Por: James Le – estagiário na New Story Charity e estudante de

Ciência da Computação e Comunicação na Universidade de
Denison.

Fonte: http://www.kdnuggets.com/2016/08/10-algorithms-
machine-learning-engineers.html

Compartilhe

   

Lucas Massotti no 23 de setembro de 2019 a partir do 04:41

Olá. Sou o Lucas Massotti.

Olhei esse artigo
(https://www.semantix.com.br/blog/10-algoritmos-
de-machine-learning-que-voce-precisa-conhecer/) e
achei muito bom. Gostaria da ajuda de vocês para as
seguintes duvidas.

Gostaria de saber de vocês qual algoritmo de Machine

Learning vocês recomendam para trabalhar com
previsões baseados em dados da bolsa de valores.

Gostaria de saber de vocês qual solução é melhor

quando se fala em analise e previsão de preços na
bolsa de valores: Deep Learning ou Machine Learning?

RESPONDER

karina.rodrigues no 24 de setembro de 2019 a partir do

Entre em contato conosco 
18:13

Olá Lucas! Agradecemos pelo seu comentário.

Seguem as respostas fornecidas pelo Daniel
Tyszka – Cientista de Dados na Semantix:
Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 11/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Resposta 1: Atualmente as técnicas mais

utilizadas para análise de séries temporais
envolvem deep learning (redes neurais
recorrentes), machine learning (ensembles
com boosting, usualmente árvores) e
estatística (modelos auto regressivos).

Resposta 2: O tema “previsão de preços na

bolsa de valores” tem atuações mais
abrangentes do que um algoritmo único. Este
tópico requer modelagens muito mais
complexas, como modelos
hierárquicos/compostos, uso de outras fontes
de dados (economia, política, setorial, etc),
incorporação de composição de carteira e
recursos disponíveis na modelagem, etc.

RESPONDER

Gilberto Menezes no 26 de outubro de 2019 a partir do 23:06

Ola, muito boa a publicação da Semantix.

Trabalhei por algum tempo com BigData e sou
entusiasta na area de tecnologia em geral. Uma
pequena dúvida e/ou curiosidade me assola quando
se trata de “machine learning”, “IA”… etc.:
Existe algum algoritimo (ou um conjunto deles) que se
possa usar de forma eficiente pra previsão em jogos ?
Ficarei grato se conseguirem elucidar algo à respeito.
Atenciosamente,
Gilberto G.M.

RESPONDER
Entre em contato conosco 

Gilberto Menezes no 30 de outubro de 2019 a partir do

17:07
Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 12/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

ok

RESPONDER

Gilberto Menezes no 5 de novembro de 2019 a

partir do 22:35

Obrigado por responder.

RESPONDER

Artur Heck no 27 de maio de 2020 a partir do 23:42

Boa noite, acabei de ler o artigo sobre 10 Algorítmos

de machine learning, muito interessante. Sou novato
na área e gostaria de saber se existe algum algorítmo
ou sistema de Big Data que possa ser utilizado para
previsão de jogos aleatórios, tipo Teoria dos Jogos.
Muito obrigado!

RESPONDER

Semantix Brasil - Sede Semantix Colômbia

Av Eusébio Matoso, 1375, São Paulo, SP, Av. 19 nº 118 30 OF508 | 110111 Bogotá | X
05424-160 | Pinheiros - SP

Semantix México Semantix Estados Unidos

Entre em contato conosco 
Varsovia 53, Juárez - Cuauhtémoc 06600 150 SE 2nd Suíte 906 | Miami FL 33131
Ciudad de México | CDMX - México

Política de Privacidade & Cookies

Semantix Produtos
https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 13/14
17/09/2020 10 Algoritmos de Machine Learning que você precisa conhecer

Semantix OpenGalaxy
Sobre nós
Semantix Global Markers (Hub)
Prêmios
Semantix Tradimus
Clientes
Semantix Smarter Sales
Parceiros
Semantix i4.0
Contato
Semantix AIJUS

Semantix ID
Semantix Pay

Semantix Interaction
Quantum Computing

Serviços e Suporte Comunidade

Consultoria Imprensa
Serviços profissionais Blog

DOC Semantix Podcast

Semantix Academy Eventos

+55 (11) 5082-2656

contato@semantix.com.br

ouvidoria@semantix.com.br

imprensa@semantix.com.br

    

Copyright© 2020 Semantix. Todos os direitos reservados.

Entre em contato conosco 

Política de Privacidade & Cookies

https://semantix.com.br/10-algoritmos-de-machine-learning-que-voce-precisa-conhecer/?v=869967077 14/14