Encontro em 1/2/2022

 Encontro em 1/2/2022


Pauta:

- Definir alguns parâmetros que surgem da Matriz de Confusão do Machine Learning Supervisionado para Calcificação

     - Estamos identificando coisas, situações, por exemplo a figura de um gato da figura de um cachorro, dinheiro falso de dinheiro verdadeiro, uma residência com aedes (Denge) ou sem aedes, uma operação de cartão de credito verdadeira ou fraudada.

     - Os algoritmos de MLS para C fornecem diferentes resultados, temos que escolher o melhor para cada situação, porem esse melhor algoritmo depende de vários critérios ou parâmetros:

                   - O mais utilizado é a Taxa de Acerto (accuracy), equivalente à Confiança num teste de hipótese estatístico, multivariado, por exemplo MANOVA ou NPMANOVA.

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Machine Learning para Predição - Regressão - Biodiversidade Animal

Imagem
  Machine Learning para Predição - Regressão - Biodiversidade Animal Inovação Disruptiva - Sair da Caixa - Benchmarking Funcional Videoaula:   https://youtu.be/Thsnpu1cxr8 Dados para Rodar no Weka Arquivo Autor: Gabriel Sarriés Variáveis Preditoras (Total = 5) DBO – Demanda Bioquímica de Oxigênio ICobV – Índice de Cobertura Vegetal ICArb – Índice de Cobertura Arbórea IBCont – Bioindicador de Contaminação (agrotóxicos) Dis_Pl – Distancia do plantio de grãos. Exemplo de Biomonitor Área de Cultivo de Grãos  Soja - Milho - Algodão - Trigo - Aveia Banco de Dados para Desenvolver Algoritmo de MLS para Previsão DBO ICobV ICArb Bcont Dis_Pl IBD_A 1,604 89 60 11 9 90 0,385 90 61 10 8,9 91 0,216 91 62 9 9,1 92 0,303 90 59 10 8,8 89 1,961 20 12 81 0,2 20 0,782 21 14 79 0,3 22 0,57 22 15 78 0,25 23 2,187 22 12 77 0,2 24 0,764 59 35 41 6 60 0,273 60 32 40 6,5 61 1,883 64 33 38 5,8 63 0,581 62 32 37 5,6 62 0,18 79 50 21 8,2 80 0,007 80 49 20 7,8 79 2,028 80 48 18 8,2 81 2,431 79 47 21 ...
Leia mais

4 Categorias dinheiro falso e 2 variáveis preditoras

    Mais duas variáveis preditoras e 4 categorias para o problema do dinheiro falso: Transparência e Procedência   obs. Status length Left Rigth Bottom Top Diagonal Transpar Proced 1 Verdad 214,8 131 131,1 9 9,7 141 8,345353 8 2 Verdad 214,6 129,7 129,7 8,1 9,5 141,7 9,005343 9 3 Verdad 214,8 129,7 129,7 8,7 9,6 142,2 4,293085 6 4 Verdad 214,8 129,7 129,6 7,5 10,4 142 5,281225 1 5 Verdad 215 129,6 129,7 10,4 7,7 141,8 1,513307 9 6 Verdad 215,7 130,8 130,5 9 10,1 141,4 5,739582 2 7 Verdad 215,5 129,5 129,7 7,9 9,6 141,6 3,58029 1 8 Verdad 214,5 129,6 129,2 7,2 10,7 141,7 8,620212 7 9 Verdad 214,9 129,4 129,7 8,2 11 141,9 6,128928 7 10 Verdad 215,2 130,4 130,3 9,2 10 140,7 1,225479 4 11 Verdad 215,3 130,4 130,3 7,9 11,7 141,8 0,442973 8 12 Verdad 215,1 129,5 129,6 7,7 10,5 142,2 9,165131 3 13 Verdad 215,2 130,8 129,6 7,9 10,8 141,4 3,034573 8 14 Verdad 214,7 129,7 129,7 7,7 10,9 141,7 4,929624 9 15 Verdad 215,1 129,9 129,7 7,7 10,8 141,8 3,996129 8 16 Verdad 214,5 129,8 129...
Leia mais