Olá pessoal,
Espero que estejam bem
Confirmando a resposta correta da primeira pergunta é: Modelo desenvolvido baseado em dados que apresentam rótulos ou valores a serem previstos.
Vamos lá pro resultado do nosso sorteiro. Preparados?
O ganhador do Moletom Estatistica + Caneca Personalida SAS é: Fernando Lima
O ganhador do Kit Mochila + Caneca Personalida SAS é: Emmanuel Luiz da Silva
Os ganhadores do Kit Churrasco + Caneca Chopp é: Camila Teixeira e Taiane Volcan
PARABÉNSS pessoal 🤜🤛
Fiquem de olho nos e-mail de vocês.
Mais uma vez obrigada pela interação de todos e conto com vocês no proximo evento com mais novidades.
Nos vemos nos eventos do proximo ano. Um Feliz 2022 a todos 🎉
Fiquem a vontade em dar ideias.
Obrigada ❤️
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.
Recebem apenas dados de entrada.
São modelos que a natureza dos dados diz quais categorias eles podem assumir. Exemplo - cluster.
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.
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.
São modelos que não possuem variável resposta. Ou seja, não existem resultados pré-definidos para o modelo utilizar como referência para aprender.
São modelos que só recebem os dados de entrada e sua função é descobrir os relacionamentos entre os dados apresentados.
São modelos cujos dados não possuem classificação e por isso não possuem capacidade inferencial. São exemplos: clusterização, análise fatorial de componentes principais, etc.
Are you ready for the spotlight? We're accepting content ideas for SAS Innovate 2025 to be held May 6-9 in Orlando, FL. The call is open until September 25. Read more here about why you should contribute and what is in it for you!