Blog

Estes métodos são a combinação de diferentes modelos para se obter um único resultado. Eles são construídos de maneira similar aos algoritmos mais simples, como regressão linear ou árvore de decisão.

Tal combinação torna esses algoritmos mais robustos e complexos, levando a um maior custo computacional que costuma ser acompanhando de melhores resultados.

Normalmente na criação de um modelo, escolhemos o algoritmo que apresenta o melhor desempenho usando a notação Big O da analise assintótica para os dados em questão. Podemos testar diferentes configurações de algoritmos, gerando assim diferentes modelos, mas no fim do processo de machine learning, escolhemos apenas um.

Com um método ensemble serão criados vários modelos diferentes a partir de um algoritmo, mas não escolheremos apenas um para utilização final, e sim todos.

Assim, teremos um resultado para cada modelo criado. Se criarmos 100 modelos, teremos 100 resultados, que serão agregados em apenas um como em uma orquestra sinfônica.

Em problemas de regressão poderá ser utilizada a média dos valores para obtenção do resultado final, e em problemas de classificação o resultado que mais se repete será o escolhido.

Há casos onde o resultado de um modelo será utilizado na criação do próximo, criando uma dependência entre os modelos, e levando a um único resultado final, gerado a partir de vários resultados intermediários.

Muitos métodos ensemble dependem do conceito de árvore de decisão, sendo de grande valia o conhecimento deste conceito no aprendizado dos métodos. Inclusive, quem já conhece árvores de decisão aprenderá os métodos ensemble com muita facilidade e rapidez.

Árvores de decisão ou árvores de classificação são definidas informalmente como modelos de aprendizado supervisionado que representam regras de decisão baseadas nos valores dos atributos. São muito usadas em inteligência artificial, por isso, vamos definir formalmente o que é uma árvore na área de ciência da computação.

Uma árvore é uma coleção de elementos chamados nós, dentre os quais um é distinguido como uma raiz, juntamente com uma relação de parentesco que impõe uma estrutura hierárquica sobre os nós.

Formalmente: uma árvore pode ser definida recursivamente da seguinte maneira:

1. Um único nó é uma árvore. Este nó é também a raíz da árvore.

2. Suponha que t seja um nó e T1, T2, …, Tk sejam árvores com raízes t1, t2, …, tk, respectivamente. Podemos construir uma nova árvore transformando t no pai dos nós t1, t2, …, tk. Nessa árvore, t será a raiz e T1, T2, …, Tk serão as subárvores ou ramos da raiz. Os nós t1, t2, …, tk são chamados filhos do nó t.

Se t1, t2, …, tk é uma sequência de nós em uma árvore tais que ti é o pai de ti+1 para 1 ≤ i < k, então esta sequência é denominada um caminho do nó t1 até o nó tk. Se existe um caminho do nó a ao nó b, então a é um ancestral de b e b é um descendente de a. Todo nó é ancestral e descendente de si mesmo. Dado um nó t ∈ T, a sub-árvore ou ramo Tt de T consistirá do nó t (que será a raiz de Tt) juntamente com todos os descendentes de t em T. Todos os nós que não possuem filhos são chamados nós terminais ou folhas. Os nós que contêm filhos são chamados nós não-terminais ou nós internos. O conjunto das folhas de T será denotado por T.