Тёмный

Aula 5 - Sobreajuste, validação cruzada e medição de performance 

Canal USP
Подписаться 420 тыс.
Просмотров 18 тыс.
50% 1

Aula 5 - Sobreajuste, validação cruzada e medição de performance preditiva de algoritmos de machine learning.
Esta é a quinta das nove aulas do curso " Inteligência Artificial em saúde: o uso de machine learning" (goo.gl/Ny5UTJ) , ministrado pelo professor Alexandre Chiavegatto Filho especialmente para o Canal USP.
Imagens: Lucca Alves e Rafael Simões. Edição e finalização: Rafael Simões.
▶ Canal USP: o melhor da USP, em um só endereço na internet.
▶ Inscreva-se, curta e compartilhe!
#CanalUSP #AulasUSP #JornaldaUSP

Опубликовано:

 

3 июн 2018

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии : 17   
@umami_confeitaria
@umami_confeitaria 6 лет назад
kkkkkk.... algorítimo de machine learning é malando.... essa é a melhor que ja ouvi... Parabens!! Muito bom...
@MrGuazevedo
@MrGuazevedo Год назад
A melhor explicação de overfit e underfit que eu já vi
@alandias5833
@alandias5833 2 года назад
Muito bom! Curto e objetivo. Curiosidade: Quando a prevalência da condição de interesse é alta na amostra em estudo, a Acuracia Global se aproxima numericamente da Especificidade Diagnóstica. Quando a prevalência da condição de interesse na amostra em estudo é alta, a Acuracia Global se aproxima numericamente da Sensibilidade Diagnóstica. Um exemplo ótimo disso é o artigo de ALBERG, AJ et al. Jornal of general internal medicine, v.19, n.5 Pt 1, p 460-465, 2004.
@brrobertofs
@brrobertofs 5 лет назад
Melhor explicação de overfiting e underfiting, obrigado!
@viniciussilvapessaa3633
@viniciussilvapessaa3633 5 лет назад
Curso maravilhoso, espero que tenha novas aulas
@johannes-euquerofalaralema4374
Adoro assistir a seus vídeos
@Bvoslive
@Bvoslive 6 лет назад
Obrigado! Me ajudou muito
@carloseduardomatosdossanto3255
Em 17:00, sugeriria acrescentar sobre o uso da acurácia balanceada, que teoricamente permite aferir a acurácia quando sua matriz de confusão não está balanceada, particularmenente importante, quando você não possui dados suficientes para proceder com os procedimentos de up/down sampling.
@kedmaduarte5738
@kedmaduarte5738 4 года назад
Muito boa a explicação destes conceitos básicos para o que vem à frente!
@brunosouza5672
@brunosouza5672 6 лет назад
Como calcular o threshold? acredito que só faltou explicar isso
@andersonpsic
@andersonpsic 5 лет назад
O vídeo não está rodando aqui. Será algum problema no RU-vid?
@prof.dr.migueljuniorsordib6321
@prof.dr.migueljuniorsordib6321 2 года назад
Não poderia pegar dados de 2016, fazer meu algoritmo e tentar predizer os de 2017? Como estamos em 2022, os dados de 2017 já existiria.
@jrjpmg
@jrjpmg 3 года назад
Eu tenho uma dúvida sobre o que vem depois de aplicar k-fold. Quando aplico k-fold, acaba que tenho k modelos treinados. E quando eu for usar isso no mundo real? Eu continuo fazendo uma combinação desses modelos (média de acurácia) ou eu uso k-fold só pra descobrir qual o melhor algoritmo/parâmetro de algoritmo e depois, de posse dessa informação, treino apenas um modelo com todos os dados (treino e validação) e no fim fico apenas com um modelo para ser usado no mundo real?
@thalesnascimento254
@thalesnascimento254 3 года назад
O k-fold treina um modelo. A décima parte é retirada pois ele não pode usar o mesmo dado para treinar e testar o modelo. No fim nós teremos uma média dos dez treinos que servirá para avaliar o modelo.
@jrjpmg
@jrjpmg 3 года назад
@@thalesnascimento254 se estou treinando o modelo com diferentes dados (a cada treinamento eu terei 9 das 10 folds) não terei diferentes pesos (pensando em RNAs, por exemplo) ao final de cada treinamento? Isso não configura um outro modelo (mesmo que a estrutura da rede seja a mesma)?
@thalesnascimento254
@thalesnascimento254 3 года назад
@@jrjpmg Eu estou utilizando a validação cruzada para testar um modelo de classificação. No meu caso eu testo as 10 partes com a mesma configuração. Para comparar as ajustes no modelo esse seria o procedimento mais adequado, pois temos certeza que todos os modelos serão comparados após o teste sobre o mesmo conjunto de dados. O teste de modelos diferentes ou o ajuste em cada fold aprsentaria uma variação natural pois em cada rodada o treonamento e o teste seriam realizados a partir de um conjunto de dados distintos.
@renatocand9413
@renatocand9413 6 лет назад
Meu caro Alexandre, por que a USP não abre vagas para o Curso EAD sobre inteligência Artificial, no Brasil tudo é feito de baixo dos panos, onde só alguns privilegiados tem acesso. Temos que abrir oportunidade a todos com ampla concorrência, esta na hora do Brasil ser transparente em todos os campos. Hoje os cursinhos de Inteligência Artificial são só para pessoas com alta condição financeira. Sou Enfermeiro e sei bem como a inteligência Artificial pode somar com a melhoria no nicho da saúde como: Diagnósticos Médicos mais precisos, Assistência adequado ao paciente, Redução nos custos hospitalares devido melhoria da qualidade de assistência e diminuição do tempo de internação, enfim como conseguir um curso de Inteligência Artificial para profissional da saúde. Porque não usa o termo em Português: Inteligência Artificial, precisamos também valorizar nossas origens ser Patriota, a língua portuguesa tem muito mais palavras e termos que o inglês, o português é muito mais completo.
Далее
2DROTS vs WYLSACOM! КУБОК ФИФЕРОВ 1 ТУР
07:25
No one will play with him( #standoff #meme #grenade
00:12
Aula 7 - Árvores de decisão
14:43
Просмотров 18 тыс.
Introdução e Motivação (Aula 01, parte 2)
32:41
Просмотров 37 тыс.
Introdução e Motivação (Aula 01, parte 3)
23:38
Просмотров 25 тыс.
Árvore de decisão - Como funciona (Machine Learning)
41:33