Aprendizado de máquina a partir de dados: mais amostras, mais precisão
ComputaçãoDados, IA e aprendizado de máquinaIdades 16–17
Use com a sua turma: os alunos abrem por um link ou QR code, sem precisar de conta.
Continue em Dados, IA e aprendizado de máquina
Um classificador simples aprende com amostras rotuladas: calcula o centroide de cada classe e usa a mediatriz entre os dois centroides como fronteira de decisão. Os alunos ajustam o número de amostras de treinamento, a taxa de ruído nos rótulos e o quanto a coleta de dados é enviesada; o modelo é treinado de novo e sua acurácia é medida num conjunto fixo de 400 amostras de teste. Quando os dados de treinamento vêm quase todos de um grupo, a acurácia geral ainda parece alta, mas a acurácia do grupo sub-representado cai bastante — é o viés dos dados em ação.
Aula: Inteligência artificial e aprendizado de máquina: as máquinas aprendem com dados, e a qualidade dos dados determina a qualidade do modelo
O que mostra
Um modelo de aprendizado de máquina não traz regras prontas: ele as deduz a partir de exemplos rotulados. Aqui, um classificador de centroide mais próximo calcula o ponto médio de cada classe nos dados de treinamento e usa a mediatriz entre os dois centroides como fronteira de decisão. A precisão é medida em 400 amostras de teste fixas que o modelo nunca viu no treinamento. Com poucas amostras ou muitas com rótulo errado, a fronteira aprendida se afasta da verdadeira. Quando a maior parte dos dados vem de um grupo, a precisão geral pode continuar alta enquanto a do outro grupo cai: é um viés que nasce dos dados.
Como usar
Escolha um Problema, marque Mostrar a fronteira verdadeira para comparar e mude um ajuste de cada vez: Número de amostras de treinamento, Porcentagem de amostras com rótulo errado e Parcela dos dados vinda de um único grupo. Após cada mudança, compare a fronteira aprendida com a verdadeira e leia a precisão geral e a dos grupos A e B. Use Treinar de novo para uma nova amostra aleatória ou clique no gráfico para pôr suas próprias amostras.
Parâmetros que você pode mudar
- Problema Filtro de spam, Detecção de fruta madura
- Número de amostras de treinamento 10–500 amostras
- Porcentagem de amostras com rótulo errado 0–40 %
- Parcela dos dados vinda de um único grupo 0–100 %
- Mostrar a fronteira verdadeira para comparar
Perguntas para explorar
- Por que a precisão do modelo é medida em 400 amostras que não foram usadas no treinamento?
- Como a fronteira de decisão se desloca quando 30% das amostras de treinamento têm rótulo errado?
- Se a precisão geral é alta, o modelo ainda pode ir mal para um grupo, de acordo com os números dos grupos A e B?
