O documento discute aprendizado de máquina, apresentando seus principais conceitos e técnicas. Aborda aprendizado supervisionado e não-supervisionado, exemplos, atributos e classes. Também explica árvores de decisão, redes neurais artificiais e os algoritmos de perceptron e backpropagation.
6. AM – Conceitos Básicos g 1 g 2 g j g N-1 g N Padrão 1 Padrão 2 Padrão 3 Padrão i Padrão m Característica Câncer Normal Câncer Classe
7.
8.
9. ADs Contém códon de parada? Não Não-gene Sim Códon de parada downstream ? Tamanho da seqüência > limiar? Não-gene Gene Não-gene Não Sim Não Sim
10. ADs Contém códon de parada? Não Não-gene Sim Códon de parada downstream ? Não-gene Não Sim Nós internos correspondem a testes Ramos são resultados dos testes Folhas fornecem classificações
11. ADs Contém códon de parada? Não Não-gene Sim Códon de parada downstream ? Tamanho da seqüência > limiar? Não-gene Gene Não-gene Não Sim Não Sim Novo padrão: Contém códon de parada dowstream e tamanho da seqüência é menor que limiar
12.
13. ADs – treinamento Considere a tarefa de aprendizado representada pelos exemplos de treinamento na tabela abaixo, em que o objetivo é prever o atributo PlayTenis baseando-se nos outros atributos. Construa uma AD.
55. Defina valor de ; Repita Para cada par {v, t} Calcule a saída y apresentando v nas entradas; Se y<>t então w(n+1) = w(n) + (t-y)v Senão w(n+1) = w(n); Fim Fim para Até erro < Tolerância Exemplo - Algoritmo Geral
![Aprendizado de Máquina ,[object Object],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](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)