P A T H

Diferença entre Machine Learning e análise preditiva

Machine Learning é o campo da IA ​​que usa estatística, fundamentos da ciência da computação e matemática para construir a lógica de algoritmos que vão realizar tarefas, como previsão e classificação. Enquanto, na Análise Preditiva, o objetivo dos problemas se torna estreito, ou seja, a intenção é calcular o valor de uma variável particular em um ponto futuro do tempo. Apesar de existirem técnicas comuns como árvore de decisão, floresta aleatória, regressão logística, etc. ambos são diferentes em termos de codificação, origem, escopo e ferramentas.

Machine Learning

Machine Learning usa internamente fundamentos de estatística, matemática e ciência da computação para criar a lógica de algoritmos que podem fazer classificação, previsão e otimização em tempo real e em modo de lote. Classificação e regressão são duas classes principais de um problema de Machine Learning. Vamos entender o Machine Learning e a Análise Preditiva em detalhes.

technology artifical intelligence background with face

Classificação

Sob esses grupos de problemas, tendemos a classificar um objeto com base em suas várias propriedades em uma ou mais classes. Por exemplo, classificar um cliente de banco como elegível para um empréstimo imobiliário ou não com base em seu histórico de crédito. Normalmente teríamos dados transacionais disponíveis para o cliente, como idade, renda, histórico educacional, experiência de trabalho, indústria em que trabalha, número de dependentes, despesas mensais, empréstimos anteriores, se houver, seu padrão de gastos, histórico de crédito, etc. e com base nessas informações, tenderíamos a calcular se ele deveria receber um empréstimo ou não.

 

Existem muitos algoritmos de Machine Learning padrão que são usados ​​para resolver o problema de classificação. A regressão logística é um desses métodos, provavelmente o mais usado e mais bem conhecido. Além disso, também temos alguns dos modelos mais avançados e complicados, desde árvore de decisão até floresta aleatória, AdaBoost, XP boost, máquinas de vetor de suporte, naive bayes e rede neural. Desde os últimos dois anos, o Deep learning está na vanguarda. Normalmente, a rede neural e o Deep learning são usados ​​para classificar imagens. Se houver centenas de milhares de imagens de gatos e cachorros e você quiser escrever um código que possa separar automaticamente as imagens de gatos e cachorros, convém usar métodos de Deep learning, como uma rede neural convolucional. Torch, Caffe, Sensor flow, etc. são algumas das bibliotecas populares em python para fazer Deep learning.

Regressão

A regressão é outra classe de problemas no Machine Learning. Nesse tentamos prever o valor contínuo de uma variável em vez de uma classe, ao contrário dos problemas de classificação. As técnicas de regressão geralmente são usadas para prever o preço das ações de uma empresa, o preço de venda de uma casa ou carro, a demanda por um determinado item, etc. Quando as propriedades de séries temporais também entram em jogo, os problemas de regressão se tornam muito interessantes de resolver. A regressão linear é um dos algoritmos clássicos de Machine Learning neste domínio. Para o padrão baseado em séries temporais, ARIMA, média móvel exponencial, média móvel ponderada e média móvel simples são usados.

Para medir a precisão dos modelos de regressão, são utilizadas métricas como taxa de falsos positivos, taxa de falsos negativos, sensibilidade, etc.

Análise preditiva

Existem algumas áreas de sobreposição entre Machine Learning e Análise Preditiva. Embora as técnicas comuns, como regressão logística e linear, façam parte do Machine Learning e da Análise Preditiva, algoritmos avançados como uma árvore de decisão e floresta aleatória são essencialmente para Machine Learning. Na análise preditiva, o objetivo dos problemas permanece muito estreito, onde a intenção é calcular o valor de uma determinada variável em um ponto futuro do tempo. A análise preditiva é fortemente carregada de estatísticas, enquanto o Machine Learning é mais uma mistura de estatísticas, programação e matemática.

businessman holding tablet and showing a growing virtual hologram of statistics, graph and chart with arrow up on dark background. Stock market. Business growth, planing and strategy concept.

Conclusão

A partir da discussão acima, tanto no Machine Learning quanto na Análise Preditiva, fica claro que a Análise Preditiva é basicamente um subcampo do Machine Learning. O Machine Learning é mais versátil e capaz de resolver uma ampla gama de problemas.2

02 de Dezembro de 2020

Gostou dessa solução? Veja o que mais você pode fazer:

Notícias Recentes

Language