Classificação supervisionada e não supervisionada

Por

24 de dezembro de 2020

2365

Classificação é uma tarefa que identifica a qual classe um objeto pertence. O desempenho do classificador depende da sua flexibilidade (bias) e da qualidade do treinamento (variância). No entanto, não existe um classificador que seja melhor que todos os outros para todos os problemas de classificação. As medidas de avaliação de desempenho de classificadores trazem informações sobre taxas de erro ou acerto para um ou mais conjuntos de dados

A classificação supervisionada se baseia na identificação de diferentes classes com comportamentos espectrais diferenciados. Para isso, algoritmos de classificação são adotados para extrair as feições de interesse em um espaço multidimensional.

Os algoritmos de classificação supervisionada são: Distância Mínima, Distância Mahalanobis, Distância de Bhattacharya, Máxima Verossimilhança, Método Paralelepípedo e Método Spectral Angle Mapper.

Métodos de classificação supervisionada:

-Baseados em separabilidade (entropia): árvores de decisão e variantes

-Baseados em particionamento: SVM (support vector machines).

QUESTÃO CERTA: Dois funcionários de uma empresa de crédito discutiam sobre quais algoritmos deveriam usar para ajudar a classificar seus clientes como bons ou maus pagadores. A empresa possui, para todos os empréstimos feitos no passado, um registro formado pelo conjunto de informações pessoais sobre o cliente e de como era composta a dívida inicial. Todos esses registros tinham classificações de bons ou maus pagadores, de acordo com o perfil de pagamento dos clientes. A partir desses dados, os funcionários querem construir um modelo, por meio de aprendizado de máquina, que classifique os novos clientes, que serão descritos por registros com o mesmo formato. A melhor opção, nesse caso, é usar um algoritmo: supervisionado, como SVM.

Máquinas de vetores de suporte (SVM) – Conjunto relacionado de métodos de aprendizado supervisionado usados para classificação e regressão. Dado um conjunto de exemplos de treinamento, cada um marcado como pertencente de uma ou duas categorias, um algoritmo de treino SVM constrói um modelo que prediz se um novo exemplo cai dentro de uma categoria ou outra.

QUESTÃO CERTA: Os métodos de classificação supervisionada podem ser embasados em separabilidade (entropia), utilizando árvores de decisão e variantes, e em particionamento, utilizando SVM (support vector machines).

QUESTÃO CERTA: As técnicas de classificação são empregadas para facilitar a extração de informações de uma imagem pelo intérprete, sendo comumente divididas em classificação supervisionada e não supervisionada. Um exemplo de classificador NÃO supervisionado é: da K-médias.

A matriz de confusão é um artifício utilizado para computar os erros do processo de classificação e conhecer a qualidade desse processo, seja pelo método supervisionado ou pelo não supervisionado.

QUESTÃO CERTA: Na classificação supervisionada, são utilizados algoritmos cujo reconhecimento dos padrões espectrais na imagem se faz com base numa amostra de área de treinamento, que é fornecida ao sistema de classificação pelo analista. Os algoritmos supervisionados mais empregados são:

I. máxima verossimilhança.

II. método do paralelepípedo.

III. distância euclidiana.

IV. K-Médias.

Estão corretos apenas os algoritmos: I, II e III.