Machine learning com random forests
•
0 gostou•50 visualizações
O documento discute o uso de florestas aleatórias para prever pontuações no IMDb usando características como número de atores premiados com Oscar, total de prêmios, duração do filme, tamanho do script, ano de lançamento e número de palavrões. Experimentos usando florestas aleatórias no Scikit-learn atingiram acurácia de 0,82 para filmes dos últimos 10 anos.
Recomendados
Recomendados
Mais conteúdo relacionado
Destaque
Destaque (20)
Machine learning com random forests
- 1. Machine Learning com Random Forests Domingos Soares domingos.soares@bluedigital.com.br
- 2. Machine Learning É a capacidade de um algoritmo A (que resolve um problema P) de, tornar-se melhor com a experiência.
- 3. Machine Learning É o ramo da computação que estuda o desenvolvimento de algoritmos que resolvem problemas sem instruções específicas, baseando-se apenas em experiências passadas (inferência).
- 4. Modelo Algoritmo (método) + Aprendizado = Modelo
- 9. Bayesian
- 10. Bayesian features = variáveis do aprendizado
- 11. Support-Vector Machines Método não-probabilístico que representa as observações como pontos no espaço e busca o melhor hiperplano para classificá-las.
- 16. Random Forests Método que explora a versatilidade de muitas e muitas árvores de decisão criadas aleatoriamente (ensemble)
- 20. Random Forests: aplicando para algo útil Predição da pontuação no IMDb
- 21. ➔ Quais features podemos usar?
- 22. ➔ Quais features podemos usar? ◆ Números de atores e atrizes premiados com o Oscar em ação?
- 23. ➔ Quais features podemos usar? ◆ Números de atores e atrizes premiados com o Oscar em ação? ● Somatório do total de prêmios (incluindo diretor, fotografia e etc…)?
- 24. ➔ Quais features podemos usar? ◆ Números de atores e atrizes premiados com o Oscar em ação? ● Somatório do total de prêmios (incluindo diretor, fotografia e etc…)? ◆ Duração do filme?
- 25. ➔ Quais features podemos usar? ◆ Números de atores e atrizes premiados com o Oscar em ação? ● Somatório do total de prêmios (incluindo diretor, fotografia e etc…)? ◆ Duração do filme? ◆ Tamanho do script?
- 26. ➔ Quais features podemos usar? ◆ Números de atores e atrizes premiados com o Oscar em ação? ● Somatório do total de prêmios (incluindo diretor, fotografia e etc…)? ◆ Duração do filme? ◆ Tamanho do script? ◆ Ano de lançamento? ◆ Total de palavrões no Script? (Tarantino? Spike Lee?)
- 27. ➔ Experimento desenvolvido em python ➔ Random forest classifier usando Scikit-learn ➔ Instância AWS m4.2xlarge ➔ Total de árvores (estimators) entre 10 e 100 ➔ Profundidade máxima das árvores: entre 3 e ilimitado ➔ Fonte dos dados: ◆ Ganhadores do oscar: Wikipedia ◆ Casting, nomes dos atores, lista de filmes e rótulo (nota): IMDb API ◆ Scripts: IMDB (site)
- 28. ➔ Conclusões (draft): ◆ O tamanho do script é um péssimo estimador: pouco importa ◆ O número total de premiações é um excelente estimador ◆ A duração do filme é um estimador razoável ◆ O total de palavrões é um ótimo estimador para filmes lançados após 1980. Porém, é péssimo para filmes lançados antes desta data (testar palavrões de época?) ◆ O Ano de lançamento é um excelente estimador (provavelmente em razão da fórmula de cálculo do IMDb) ◆ A acurácia geral do modelo decai inversamente com a data de lançamento (também pode ser em razão da fórmula do IMDb)
- 29. ➔ Conclusões (draft): ◆ A acurácia para filmes lançados nos últimos 10 anos bateu 0.82 ◆ Novos experimentos são necessários para definir uma acurácia máxima com maior confiança