Conteúdo

Nós, como seres humanos, sabemos facilmente distinguir uma informação de outra, e por meio da experiência, podemos tirar conclusões em decisões simples, como reconhecer se um animal é um cão ou um porco, se um e-mail é spam ou não, decidir se uma movimentação bancária é uma fraude. O computador pode aprender de forma similar, em um processo chamado de classificação dentro da área de machine learning.

A classificação é uma ferramenta para responder perguntas, mas antes é preciso saber quais e quantas perguntas fazer, a partir de quais informações, e ainda, como interpretar as respostas.

Neste livro, Guilherme Silveira e Bennett Bullock mostram como o computador aprende com uma base de dados e algoritmos para responder perguntas do dia a dia, com uma aplicabilidade crescente no mundo dos negócios, cada vez mais apurada, conforme mais dados estão disponíveis. Por meio de variáveis numéricas e categóricas, você vai treinar modelos matemáticos computacionais em Python que nos ajudam a tomar decisões e prever comportamentos, como quando um funcionário está próximo de pedir demissão ou qual será o próximo passo de um usuário em um site.

Saiba o que você vai aprender

Sumário

• 1 Classificando e-mails, animais e muito mais
• 1.1 Resumindo

• 2 Importando, classificando e validando um modelo
• 2.1 E no mundo real, como classificar dados da web?
• 2.2 Importando, classificando e validando um modelo
• 2.3 Importando os dados
• 2.4 Analisando os valores adicionados
• 2.5 Melhorando a leitura do código
• 2.6 Acertando demasiadamente?
• 2.7 Resumindo

• 3 Classificação de variáveis categóricas
• 3.1 Instalando o Pandas
• 3.2 Resumindo

• 4 O problema do sucesso e o algoritmo burro
• 4.1 Implementando o algoritmo base
• 4.2 Calculando a quantidade de zeros e uns com o data frame
• 4.3 Lidando com sim e não
• 4.4 Utilizando collections do Python
• 4.5 Resumindo

• 5 Naive bayes e maximum a posteriori por trás dos panos
• 5.1 Resumindo

• 6 Testando diferentes modelos e validando o vencedor
• 6.1 Algoritmo AdaBoost
• 6.2 Resumindo

• 7 Novos conceitos de classificação
• 7.1 Classificando um elemento com três categorias
• 7.2 Resumindo

• 8 Utilizando o k-fold
• 8.1 Implementando o k-fold
• 8.2 Implementando o novo fit_and_predict
• 8.3 Resumindo

• 9 Criando um dicionário
• 9.1 Resumindo

• 10 Classificando os textos e ganhando produtividade na empresa
• 10.1 Resumindo

• 11 Quebrando na pontuação adequada

• 12 Conclusão
• 12.1 O caminho
• 12.2 Como continuar os estudos