Aprendizado supervisionado com Scikit-learn

O aprendizado supervisionado envolve treinar um modelo usando dados rotulados para fazer previsões ou classificar pontos de dados. O Scikit-learn é uma biblioteca Python popular para implementar modelos de aprendizado supervisionado.

Nesta lição, você aprenderá a criar e avaliar modelos de aprendizado supervisionado usando o Scikit-learn.

O que é aprendizado supervisionado?

O aprendizado supervisionado usa dados rotulados, nos quais cada entrada tem uma saída correspondente. O objetivo é aprender um mapeamento de entradas para saídas.

As tarefas comuns incluem:

• Regressão: previsão de valores contínuos, por exemplo, preços de imóveis.
• Classificação: previsão de categorias, por exemplo, spam ou não spam.

Configuração do Scikit-learn

Instale o Scikit-learn usando o pip:

pip install scikit-learn

Depois de instalado, você poderá importá-lo e começar a criar modelos.

Regressão linear

A regressão linear é usada para prever valores contínuos. Vamos criar um modelo simples de regressão linear:

# Example: Linear Regression
from sklearn.linear_model import LinearRegression

# Sample data
X = [[1], [2], [3]]
y = [2, 4, 6]

model = LinearRegression()
model.fit(X, y)
print("Predicted value:", model.predict([[4]]))

Regressão logística

A regressão logística é usada em tarefas de classificação binária, como determinar se um e-mail é spam ou não.

# Example: Logistic Regression
from sklearn.linear_model import LogisticRegression

# Sample data
X = [[1], [2], [3]]
y = [0, 0, 1]

model = LogisticRegression()
model.fit(X, y)
print("Predicted class:", model.predict([[1.5]]))

Árvores de decisão

As árvores de decisão são modelos versáteis que podem lidar com tarefas de regressão e classificação. Vamos criar um classificador simples de árvore de decisão:

# Example: Decision Tree Classifier
from sklearn.tree import DecisionTreeClassifier

# Sample data
X = [[1], [2], [3]]
y = [0, 1, 0]

model = DecisionTreeClassifier()
model.fit(X, y)
print("Predicted class:", model.predict([[2.5]]))

Avaliação de modelos

O Scikit-learn fornece métricas para avaliar o desempenho dos modelos:

• Erro quadrático médio (MSE): para modelos de regressão.
• Acurácia: para modelos de classificação.

# Example: Evaluating a model
from sklearn.metrics import mean_squared_error

# Predictions
y_true = [2, 4, 6]
y_pred = [2.1, 3.9, 5.8]
print("MSE:", mean_squared_error(y_true, y_pred))

Divisão entre treinamento e teste

Sempre divida o conjunto de dados em conjuntos de treinamento e teste para avaliar o desempenho do modelo em dados não vistos:

# Example: Train-Test Split
from sklearn.model_selection import train_test_split

X = [[1], [2], [3], [4]]
y = [0, 1, 0, 1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)
print("Training data:", X_train)

Erros comuns no aprendizado supervisionado

Veja alguns erros que devem ser evitados:

• Não dividir os dados em conjuntos de treinamento e teste.
• Sobreajustar o modelo usando algoritmos excessivamente complexos.
• Usar dados mal rotulados para o treinamento.

O que aprendemos?

Nesta lição, você aprendeu:

• Como criar modelos de regressão e classificação usando o Scikit-learn.
• Como avaliar o desempenho dos modelos usando métricas como MSE e acurácia.
• A importância de dividir os dados em conjuntos de treinamento e teste.
• Erros comuns que devem ser evitados em tarefas de aprendizado supervisionado.

Parabéns! Vamos passar para o próximo tópico.