Dinâmica 2 - O poder da estatística

[pkusniaruk]

O que são modelos não supervisionados?

[Karlinha_]

Os modelos não supervisionados só recebem os dados de entrada e sua função e descobrir os relacionamentos entre os dados apresentados.

[CleitonSantos]

Modelos que não apresentam rótulos de entrada.

[marceloto]

Neste caso há uma variável específica a ser explicada, então não faz sentido em criar o conjunto de dados de treino, pois também não será possível avaliar a assertividade do modelo. No machine learning não superviosionado o que se busca é encontrar padrões, perfis, itens semelhantes.

[DeniseB]

Recebem apenas dados de entrada.

[ronaldca]

São modelos que a natureza dos dados diz quais categorias eles podem assumir. Exemplo - cluster.

[Thais2018]

As análises parte de dados sem rótulos, buscando identificar padrões intrínsecos aos dados. (Ex. Cluster)

[Alisson_Otavio]

São modelos onde não existe uma variável a ser predita, mas o analista avalia os dados afim de encontrar padrões nos dados.

[frah]

São aqueles que buscam padrões nos dados em situações onde não existem rótulos ou valores a serem previstos pelo modelo.

[Rezende]

O não supervisionado procura padrões nos dados em bases que não possuem referencias que possibilitem  a predição com o emprego de modelos. Utilizado para segmentação.

[Ritamelo2020]

São modelos que buscam padrões nos dados quando não existem informações sobre as variáveis ou valores a serem previstos.

[FelipeRMMendes]

Diferentemente do aprendizado supervisionado, modelos não supervisionados agrupam os dados sem a supervisão de "tags" ou rótulos dos dados, descobrindo padrões ocultos, ou não visíveis ao usuário.

[Lucimar_Goulart]

São modelos que não possuem variável resposta. Ou seja, não existem resultados pré-definidos para o modelo utilizar como referência para aprender.

[FERNANDO_A_LIMA]

São modelos que só recebem os dados de entrada e sua função é descobrir os relacionamentos entre os dados apresentados.

[a_arlis]

São modelos cujos dados não possuem classificação e por isso não possuem capacidade inferencial. São exemplos: clusterização, análise fatorial de componentes principais, etc.