Em machine learning (aprendizado de máquina em português) temos dois tipos de aprendizado: o supervisionado e o não-supervisionado. A diferença entre eles está nos rótulos, também conhecidos como targets, dos dados e nos métodos utilizados para cada um.
No aprendizado supervisionado os dados são rotulados, ou seja, há informação indicando a resposta, seja categórica, numérica ou outro tipo. Nessa abordagem alguns dos algoritmos usados são:
- Regressão linear
- Regressão logística
- Support Vector Machine
- Naïve Bayes
- Árvores de decisão
- K-nearest neighbors
- Ensemble
- Redes neurais
Já no aprendizado não-supervisionado não há rótulos. Os algoritmos de aprendizado não-supervisionado agrupam os dados de acordo com suas similaridades. Alguns exemplos de algoritmos de aprendizagem não-supervisionada:
- Algoritmos de cluster- Agrupamento de k-means
- Agrupamento hierárquico
- DBSCAN
- Detecção de anomalias (outliers)
- Regras de associação
Links: