3 min de leitura
#1 - Introdução ao Machine Learning
O que é Machine Learning, o que é um dataset, e os três tipos de dados (numéricos, categóricos e ordinais) que você precisa saber reconhecer antes de analisar qualquer conjunto de dados.
Depois de estruturas de dados e algoritmos, chegou a hora de um assunto que anda na boca de todo mundo: Machine Learning. Se você acompanhou as séries de NumPy, Pandas e Matplotlib deste blog, já tem boa parte das ferramentas prontas — essa nova série assume que você já sabe manipular arrays e DataFrames, e foca no que vem depois: como usar dados pra fazer previsões.
O que é Machine Learning
- Machine Learning é fazer o computador aprender estudando dados e estatística.
- Machine Learning é um passo na direção da inteligência artificial (IA).
- Machine Learning é um programa que analisa dados e aprende a prever um resultado.
Por onde começar
Ao longo desta série, você vai voltar um pouco pra matemática e estudar estatística — como calcular números importantes a partir de um conjunto de dados. Também vai usar módulos Python pra chegar nessas respostas sem fazer conta na mão, e, por fim, vai aprender a montar funções capazes de prever um resultado com base no que os dados ensinam.
O que é um dataset
Pra um computador, um dataset é qualquer coleção de dados — pode ser desde um array simples até um banco de dados completo.
velocidades = [99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86]
Ou algo mais estruturado, como uma tabela de carros:
| Modelo | Cor | Idade | Velocidade | Passou |
|---|---|---|---|---|
| BMW | vermelho | 5 | 99 | Sim |
| Volvo | preto | 7 | 86 | Sim |
| VW | cinza | 8 | 87 | Não |
| VW | branco | 7 | 88 | Sim |
| Ford | branco | 2 | 111 | Sim |
| VW | branco | 17 | 86 | Sim |
| Tesla | vermelho | 2 | 103 | Sim |
| BMW | preto | 9 | 87 | Sim |
| Volvo | cinza | 4 | 94 | Não |
| Ford | branco | 11 | 78 | Não |
| Toyota | cinza | 12 | 77 | Não |
| VW | branco | 9 | 85 | Não |
| Toyota | azul | 6 | 86 | Sim |
Só olhando pro array, dá pra chutar que a média fica em torno de 80 ou 90, e dá pra identificar o maior e o menor valor — mas o que mais dá pra fazer com isso? E olhando pra tabela de carros, dá pra perceber que a cor mais comum é branco, e que o carro mais velho tem 17 anos. Mas, e se você pudesse prever se um carro passou no teste (AutoPass) só olhando pras outras colunas?
É exatamente pra isso que serve o Machine Learning: analisar dados e prever o resultado. Em Machine Learning de verdade, é comum trabalhar com datasets bem maiores que esses — mas, pra manter as coisas simples e fáceis de acompanhar, esta série vai usar sempre datasets pequenos, do tamanho certo pra entender cada conceito sem se perder nos números.
Tipos de dados
Pra analisar um conjunto de dados, é essencial saber com que tipo de dado você está lidando. Existem três categorias principais:
- Numéricos: números, divididos em dois grupos:
- Discretos: dados contados, limitados a números inteiros. Exemplo: a quantidade de carros que passam por um cruzamento.
- Contínuos: dados medidos, que podem ser qualquer número. Exemplo: o preço de um produto, ou o tamanho de um item.
- Categóricos: valores que não podem ser comparados entre si numa escala. Exemplo: uma cor, ou qualquer valor do tipo sim/não.
- Ordinais: parecidos com categóricos, mas que podem ser comparados entre si. Exemplo: notas escolares, onde A é melhor que B, que é melhor que C, e assim por diante.
Saber o tipo de dado que você está analisando é o que determina qual técnica faz sentido usar — e é exatamente por aí que a série continua: nos próximos posts, você vai aprender a resumir um conjunto de números com três valores centrais — média, mediana e moda.
Fonte adaptada: Machine Learning Getting Started
Comentários