Folha de referências de algoritmos do Machine Learning para o designer do Azure Machine LearningMachine Learning Algorithm Cheat Sheet for Azure Machine Learning designer

A Folha de referências de algoritmos do Azure Machine Learning ajuda a escolher o algoritmo certo do designer para o modelo de análise preditiva.The Azure Machine Learning Algorithm Cheat Sheet helps you choose the right algorithm from the designer for a predictive analytics model.

O Azure Machine Learning tem uma grande biblioteca de algoritmos das famílias classificação _, _sistemas de recomendação_, _clustering_, _detecção de anomalias_, _regressão*_ e _ análise de texto *.Azure Machine Learning has a large library of algorithms from the classification _, _recommender systems_, _clustering_, _anomaly detection_, _regression_, and _ text analytics families. Cada um foi projetado para atender a um tipo diferente de problema de aprendizado de máquina.Each is designed to address a different type of machine learning problem.

Veja outras diretrizes em Como selecionar algoritmosFor additional guidance, see How to select algorithms

Baixe: Folha de referências de algoritmos do Machine LearningDownload: Machine Learning Algorithm Cheat Sheet

Baixe a folha de consulta daqui: Folha de consulta de algoritmos do Machine Learning (11 x 17 pol.)Download the cheat sheet here: Machine Learning Algorithm Cheat Sheet (11x17 in.)

Folha de referências de algoritmos do Machine Learning: saiba como escolher um algoritmo do Machine Learning.

Baixar e imprimir a folha de consulta do algoritmo do Machine Learning em tamanho tabloide para mantê-lo à mão e obter ajuda para escolher um algoritmo.Download and print the Machine Learning Algorithm Cheat Sheet in tabloid size to keep it handy and get help choosing an algorithm.

Como usar a Folha de referências de algoritmos do Machine LearningHow to use the Machine Learning Algorithm Cheat Sheet

As sugestões oferecidas nessa página de dicas úteis de algoritmo são aproximadas às regras de bolso.The suggestions offered in this algorithm cheat sheet are approximate rules-of-thumb. Algumas podem ser ajustadas e algumas podem ser flagrantemente violadas.Some can be bent, and some can be flagrantly violated. A folha de referências serve como um ponto de partida.This cheat sheet is intended to suggest a starting point. Não tenha medo de comparar vários algoritmos em seus dados.Don’t be afraid to run a head-to-head competition between several algorithms on your data. Simplesmente não existe substituto para entender os princípios de cada algoritmo e o sistema que gerou os dados.There is simply no substitute for understanding the principles of each algorithm and the system that generated your data.

Cada algoritmo de aprendizado de máquina tem seu próprio estilo ou tendência indutiva.Every machine learning algorithm has its own style or inductive bias. Para um problema específico, vários algoritmos podem ser apropriados, e um algoritmo pode ser mais adequado do que outros.For a specific problem, several algorithms may be appropriate, and one algorithm may be a better fit than others. Mas nem sempre é possível saber com antecedência qual é a melhor opção.But it's not always possible to know beforehand which is the best fit. Em casos como esse, vários algoritmos estão listados juntos na folha de consulta.In cases like these, several algorithms are listed together in the cheat sheet. Uma estratégia apropriada seria um algoritmo e se os resultados ainda não estiverem satisfatórios, tentar os outros.An appropriate strategy would be to try one algorithm, and if the results are not yet satisfactory, try the others.

Para saber mais sobre os algoritmos no designer do Azure Machine Learning, acesse a referência de algoritmo e módulo.To learn more about the algorithms in Azure Machine Learning designer, go to the Algorithm and module reference.

Tipos de aprendizado de máquinaKinds of machine learning

Há três categorias principais de aprendizado de máquina: aprendizado supervisionado, aprendizado sem supervisão e aprendizado de reforço.There are three main categories of machine learning: supervised learning, unsupervised learning, and reinforcement learning.

Aprendizado supervisionadoSupervised learning

Em aprendizado supervisionado, cada ponto de dados é rotulado ou associado a uma categoria ou um valor de interesse.In supervised learning, each data point is labeled or associated with a category or value of interest. Um exemplo de um rótulo categórico é atribuir uma imagem como, por exemplo, um gato ou um cão.An example of a categorical label is assigning an image as either a ‘cat’ or a ‘dog’. Um exemplo de um rótulo de valor é o preço de venda associado a um carro usado.An example of a value label is the sale price associated with a used car. O objetivo do aprendizado supervisionado é estudar vários exemplos rotulados como esses e, em seguida, conseguir fazer previsões sobre os pontos de dados futuros.The goal of supervised learning is to study many labeled examples like these, and then to be able to make predictions about future data points. Por exemplo, identificar novas fotos com o animal correto ou atribuir preços de vendas precisos a outros carros usados.For example, identifying new photos with the correct animal or assigning accurate sale prices to other used cars. Este é um tipo popular e útil de aprendizado de máquina.This is a popular and useful type of machine learning.

Aprendizado não supervisionadoUnsupervised learning

No aprendizado não supervisionado, os pontos de dados não têm rótulos associados a eles.In unsupervised learning, data points have no labels associated with them. Em vez disso, a meta de um algoritmo de aprendizado sem supervisão é organizar os dados de alguma forma ou descrever sua estrutura.Instead, the goal of an unsupervised learning algorithm is to organize the data in some way or to describe its structure. O aprendizado não supervisionado divide os dados em grupos, como faz o K-means, ou encontra diferentes maneiras de consultar dados complexos para que eles pareçam mais simples.Unsupervised learning groups data into clusters, as K-means does, or finds different ways of looking at complex data so that it appears simpler.

Aprendizado de reforçoReinforcement learning

No aprendizado de reforço, o algoritmo escolhe uma ação em resposta a cada ponto de dados.In reinforcement learning, the algorithm gets to choose an action in response to each data point. É uma abordagem comum em robótica, em que o conjunto de leituras do sensor, em um ponto no tempo, é um ponto de dados e o algoritmo deve escolher a próxima ação do robô.It is a common approach in robotics, where the set of sensor readings at one point in time is a data point, and the algorithm must choose the robot’s next action. Também é um ajuste natural para aplicativos da Internet das Coisas.It's also a natural fit for Internet of Things applications. O algoritmo de aprendizado também recebe um sinal de recompensa pouco tempo depois, indicando se a decisão foi boa.The learning algorithm also receives a reward signal a short time later, indicating how good the decision was. Com base no sinal, o algoritmo modifica sua estratégia para alcançar a recompensa mais alta.Based on this signal, the algorithm modifies its strategy in order to achieve the highest reward.

Próximas etapasNext steps