Biblioteca de artigos

Explore por tema

Escolha um assunto e percorra as ideias na ordem que for mais útil para você.

Tema

Árvores de decisão

Como árvores dividem, predizem e ganham força em conjunto.

3 artigos
  1. Árvores de decisão com gradient boosting

    Gradient Boosting: Uma Visão Rápida e Aprofundada

    Comece com uma predição constante, ajuste árvores pequenas às correções restantes e descubra como uma loss transforma boosting em gradient descent no espaço de funções.

  2. Árvores de regressão

    Como árvores de decisão aprendem a prever números

    Mantenha o procedimento propor–avaliar–repetir, troque a impureza de classe pelo erro quadrático e deixe cada folha prever a própria média.

  3. Árvores de decisão

    Como inventar o algoritmo de árvore de decisão do zero

    Construa uma árvore de classificação à mão com dez sementes e depois automatize o próprio julgamento com limiares de ponto médio e a pontuação de Gini.

Tema

Aprendizado por reforço

Como agentes aprendem com recompensas, experiências e estados.

3 artigos
  1. O princípio de Markov e a representação de estados em MDPsMais recente

    O princípio de Markov

    Compare representações de estado markovianas e não markovianas no Pong, em um labirinto com porta e chave e em uma tarefa com checkpoints ordenados.

  2. Aprendizado por reforço baseado em amostras

    Uma visão do aprendizado por reforço baseada em amostras

    Acompanhe a experiência ao longo de um MDP e compare como algoritmos de aprendizado por reforço coletam amostras, atualizam grandezas aprendidas e representam o que aprendem.

  3. Reward hacking

    Reward hacking no aprendizado por reforço

    Três MDPs pequenos mostram como um agente pode explorar uma restrição ausente, manipular um processo de medição ou otimizar um objetivo incompleto.

Tema

Séries temporais

Como modelos encontram estruturas úteis ao longo do tempo.

1 artigo
  1. ACF e PACF

    Como o passado ecoa: entendendo ACF e PACF

    Comece pela correlação comum, desloque uma série no tempo e veja como relações entre lags formam uma função de autocorrelação.

Tema

Fundamentos e avaliação

Ideias centrais para entender e avaliar modelos de aprendizado de máquina.

1 artigo
  1. Acurácia, precisão e recall

    Meu modelo é bom?

    Compare o que acurácia, precisão e recall revelam sobre as mesmas previsões e escolha a métrica que corresponde ao erro que mais importa.