Carregando
0x20Lição 3 de 18

Como as máquinas aprendem com dados

Conheça características e rótulos, o ciclo de tentativa e ajuste, a divisão entre treino e teste, o sobreajuste e a importância da qualidade dos dados.

20 min Questionário com 6 perguntas 2 exercícios de código
Ao final desta lição, você saberá
  • Identificar as características e o rótulo em um conjunto de dados
  • Descrever o ciclo de aprendizado: prever, medir o erro e ajustar
  • Explicar por que modelos são avaliados com dados que nunca viram no treinamento

Imagine ensinar a uma criança o que é um cachorro. Você não entrega uma definição: aponta para cachorros, gatos e raposas e explica qual é qual. Depois de ver exemplos suficientes, ela reconhece cachorros que nunca encontrou. O aprendizado de máquina funciona de forma parecida.

Um conjunto de dados é uma tabela de exemplos. Cada exemplo tem:

  • Características: as informações que o modelo recebe, como tamanho, peso, cor ou quantidade de cômodos.
  • Um rótulo: a resposta correta que queremos prever, como “cachorro”, “spam” ou “R$ 310.000”.

Aprender significa encontrar uma regra que relacione características e rótulos e que também funcione em novos exemplos.

Experimente

Até 15 XP

Característica ou rótulo?

Um hospital quer prever se uma pessoa voltará a ser internada nos próximos 30 dias. Classifique cada coluna: ela é uma entrada que o modelo pode usar, a resposta que deve prever ou uma informação que não deve ser usada?

0 de 6 classificadosPontuação 0/0
  • “Idade da pessoa”

  • “Número de internações anteriores”

  • “Foi reinternada em até 30 dias (sim/não)”

  • “Duração da internação atual, em dias”

  • “Data da reinternação”

  • “Número de prontuário”

O ciclo de aprendizado

Quase todo algoritmo de aprendizado repete o mesmo ciclo milhares ou milhões de vezes:

  1. Prever com as configurações atuais (os parâmetros do modelo).
  2. Comparar as previsões com os rótulos corretos.
  3. Medir o quanto errou com um único número: a perda.
  4. Ajustar um pouco os parâmetros na direção que reduz a perda.
  5. Repetir até que a perda pare de melhorar.

O programa abaixo aprende um parâmetro — o preço por metro quadrado — começando com um palpite muito ruim. Execute-o e veja o palpite melhorar.

guess_and_adjust.py
1sizes = [50, 80, 120]          # metros quadrados
2prices = [150000, 240000, 360000]
3
4price_per_m2 = 1000             # um palpite inicial ruim
5for round_number in range(1, 6):
6    errors = [price_per_m2 * size - price for size, price in zip(sizes, prices)]
7    average_error = sum(errors) / len(errors)
8    print(f"rodada {round_number}: estimativa {price_per_m2:.0f}, erro médio {average_error:.0f}")
9    price_per_m2 -= average_error / 100   # ajuste com base no erro
Saída
rodada 1: estimativa 1000, erro médio -166667
rodada 2: estimativa 2667, erro médio -27778
rodada 3: estimativa 2944, erro médio -4630
rodada 4: estimativa 2991, erro médio -772
rodada 5: estimativa 2998, erro médio -129

Testes com dados que o modelo não viu

Um modelo que acerta 100% dos exemplos estudados pode simplesmente tê-los memorizado, como uma pessoa que decorou as respostas da prova do ano passado. Para descobrir se realmente aprendeu, escondemos uma parte dos dados.

Antes do treinamento, dividimos o conjunto de dados: normalmente, 70% a 80% para treino e o restante para teste. O modelo nunca vê os dados de teste durante o aprendizado; o resultado nesses dados ajuda a estimar como ele se sairá no mundo real.

Há duas formas de falhar:

  • Subajuste: o modelo é simples demais para aprender o padrão. O resultado é ruim nos dados de treino e de teste.
  • Sobreajuste: o modelo memoriza os dados de treino, inclusive o ruído. O resultado é ótimo no treino e ruim no teste.

Experimente

Até 15 XP

Veja o sobreajuste acontecer

Os pontos preenchidos são dados de treino; os vazios foram reservados para teste. Aumente a complexidade da curva (seu grau), começando em 1. No grau 1, a reta é simples demais e apresenta subajuste. Continue: o erro de treino cai até o grau 9. Em qual grau o erro nos pontos reservados para teste é menor?

● treino · ○ validação
Erro por grau (escala logarítmica): treino em linha contínua, validação tracejada

Erro de treino

0.378

Erro de validação

0.277

Subajuste: o modelo é simples demais para acompanhar a curva.

Principais conclusões

  • Características são as entradas; o rótulo é a resposta que queremos prever.

  • Aprender é um ciclo: prever, comparar, medir a perda, ajustar e repetir.

  • Sempre avalie o modelo com um conjunto de teste que ele não usou para aprender.

  • Sobreajuste é memorizar os dados de treino; subajuste é usar um modelo simples demais para aprender o padrão.

Quiz da aula

6 perguntas · aprovação com 5 acertos · até 50 XP

Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.

Pratique: escreva código em Python

Escreva código Python no editor e execute os testes com exemplos. O Python roda localmente no navegador usando WebAssembly.

Exercício 1

Divida os dados

+25 XP

A primeira linha contém a proporção de treino (por exemplo, 0.8). Cada linha seguinte é um exemplo. Mantenha a ordem: os primeiros int(quantidade * proporção) exemplos são de treino; os demais são de teste. Imprima treino: N, teste: M e depois cada exemplo de teste em uma linha.

  • Dez linhas
  • Sete linhas
main.py
Carregando editor…

O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.

Exercício 2

Diagnostique o modelo

+25 XP

Cada linha tem o formato nome acuracia_treino acuracia_teste (em porcentagens). Para cada modelo, imprima nome: subajuste se as duas pontuações forem menores que 70; nome: sobreajuste se a pontuação de treino for mais de 10 pontos superior à de teste; caso contrário, imprima nome: bom.

  • Três modelos
main.py
Carregando editor…

O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.

Dúvidas sobre esta lição

Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.

Carregando publicações…