O avanço do aprendizado de máquina transformou profundamente a maneira como lidamos com dados, tomamos decisões automatizadas e desenvolvemos sistemas inteligentes. Entre as técnicas mais eficazes e versáteis desse campo, destaca-se o Gradient Boosting, um poderoso método de ensemble que combina diversas árvores de decisão fracas para formar um modelo robusto e altamente preciso. Este livro apresenta uma abordagem prática e objetiva para quem deseja compreender e aplicar o Gradient Boosting em problemas de classificação usando Python.
Com base em um exemplo claro e funcional, o leitor aprenderá como gerar conjuntos de dados sintéticos, treinar um modelo com o GradientBoostingClassifier do scikit-learn, fazer previsões e avaliar os resultados por meio de métricas como acurácia e matriz de confusão. O conteúdo é acessível tanto para iniciantes quanto para profissionais que desejam reforçar seus conhecimentos em técnicas supervisionadas de machine learning.
Número de páginas | 105 |
Edição | 1 (2025) |
Formato | A5 (148x210) |
Acabamento | Brochura c/ orelha |
Tipo de papel | Estucado Mate 90g |
Idioma | Português |
Tem algo a reclamar sobre este livro? Envie um email para [email protected]
Faça o login deixe o seu comentário sobre o livro.