Em um conjunto de exemplos organizado para aprender, cada linha tem dois tipos de informação. Os atributos descrevem o caso: são as características que a máquina pode observar. A resposta esperada diz qual é o resultado correto para aquele caso: é o que queremos que a máquina aprenda a prever. Em um conjunto de e-mails, os atributos poderiam ser o remetente, o assunto e a presença de links; a resposta esperada seria "spam" ou "não spam". Em um conjunto de casas, os atributos seriam tamanho, número de quartos e localização; a resposta esperada seria o preço. A distinção é essencial porque a máquina aprende a ligar os atributos à resposta. Se a resposta estiver errada ou ausente, a máquina aprende a ligação errada — ou não aprende nada. Os atributos são o que ela vê; a resposta esperada é o que ela deve dizer.
Learn MotionComo a inteligência artificial realmente aprende
Exemplos viram dados
Atributos e respostas esperadas
2 / 3
Olhe para a tabela como se fosse uma lista de casos. As colunas da esquerda descrevem cada caso: são os atributos, aquilo que a máquina pode observar. A última coluna é diferente: ela diz qual é o resultado correto, a resposta esperada. No exemplo dos e-mails, os atributos seriam remetente, assunto e presença de links; a resposta esperada seria spam ou não spam. A máquina aprende justamente a ligar os atributos à resposta. Se a resposta estiver errada, ela aprende a ligação errada. Por isso, essa coluna precisa ser confiável.
0:00 / 0:00