Introdução e preparação do ambiente

Introdução

O que vamos usar?

Pré-processamento de dados

Tipos de variáveis

Base de dados

Visualização de dados

Tratamento de valores

Divisão de classes

Escalonamento de atributos

Questionário

Aprendizagem bayesiana

Naïve bayes - introdução

Naïve bayes - aprendizagem

Naïve bayes - classificação

Naïve bayes - correção laplaciana

Naïve bayes - mais conceitos

Naïve bayes - base risco de crédito

Naïve bayes - base crédito

Naïve bayes - base censo

Questionário

Aprendizagem por árvore de decisão

Árvores de decisão - introdução

Árvores de decisão - aprendizagem I

Árvores de decisão - aprendizagem II

Árvores de decisão - mais conceitos

Árvores de decisão - base risco crédito

Árvores de decisão - base crédito

Árvores de decisão - base censo

Random forest (floresta randômica)

Random forest - base crédito

Random forest - base censo

Questionário

Aprendizagem por regras

Introdução

Indução de regras - introdução

Indução de regras - algoritmo OneR I

Indução de regras - algoritmo OneR II

Indução de regras - algoritmo PRISM

Indução de regras - base risco crédito

Indução de regras - base crédito

Instalação do Orange

Indução de regras - base censo + interface gráfica

Indução de regras - base crédito + interface gráfica

Classificador base (majority learner) - base crédito

Classificador base (majority learner) - base censo

Questionário

Aprendizagem baseada em instancias

Introdução

kNN - introdução

kNN - cálculo de distância

kNN - classificação

kNN - normalização e padronização

kNN - base crédito

kNN - base censo

Regressão logística

Introdução

Regressão logística - introdução

Regressão logística - aprendizagem

Regressão logística - classificação

Regressão logística - base risco de crédito

Regressão logística - base crédito

Regressão logística - base censo

Projeto Prático