WEBVTT

00:00:00.000 --> 00:00:03.686
[I.A. E MACHINE LEARNING
DADOS NUMÉRICOS NO I.A. LAB]

00:00:03.686 --> 00:00:07.686
Dados numéricos no I.A. Lab é um 
pouco diferente dos dados categóricos.

00:00:08.075 --> 00:00:10.985
Vamos conferir um exemplo
no qual um parque de diversão

00:00:10.985 --> 00:00:16.569
quer usar machine learning para prever o quanto de renda eles produzirão em um dia específico.

00:00:17.255 --> 00:00:20.431
Em vez de gráficos de barras, 
dados numéricos exibem os valores

00:00:20.431 --> 00:00:24.302
mínimo e máximo do conjunto de dados

00:00:24.523 --> 00:00:29.213
Ele também exibe o intervalo, o qual é 
diferença entre o mínimo e o máximo.

00:00:30.724 --> 00:00:32.644
Em vez de tabelas de referências cruzadas,

00:00:32.644 --> 00:00:35.304
dados numéricos são exibidos
em gráficos de dispersão.

00:00:35.672 --> 00:00:39.142
Esses gráficos ainda exibem como duas colunas estão relacionadas uma com a outra.

00:00:39.305 --> 00:00:46.225
O rótulo é sempre exibido no lado esquerdo e o recurso é sempre exibido na parte de baixo.

00:00:46.923 --> 00:00:50.083
Não tente focar em cada ponto individualmente.

00:00:50.397 --> 00:00:54.147
Em vez disso, tente observar o gráfico 
como um todo exibi um padrão.

00:00:54.357 --> 00:00:59.877
Por exemplo, nesse gráfico, eu consigo observar que há um número baixo de propagandas on-line,

00:01:00.115 --> 00:01:04.115
mas também um número 
baixo de receita naquele dia.

00:01:04.319 --> 00:01:10.449
E, se tiver um número alto de propagandas 
on-line, há uma alta receita naquele dia.

00:01:11.088 --> 00:01:16.248
Esse é um padrão que o Robô I.A. pode usar 
para ajudar a criar predições no seu modelo.

00:01:19.588 --> 00:01:25.058
Esse gráfico mostra quanta receita 
é feita baseado no dia do mês.

00:01:25.990 --> 00:01:31.754
Isso não é lá muito útil para fazer predições, por conta de o quanto espalhados os dados estão.

00:01:31.754 --> 00:01:36.629
É difícil predizer qual será a minha 
receita em um dia específico.

00:01:37.924 --> 00:01:42.984
Outra diferença entre dados numéricos e 
dados categóricos é na tela de resultados.

00:01:43.522 --> 00:01:47.892
Com dados categóricos, podemos calcular precisão como se fosse uma checklist.

00:01:47.892 --> 00:01:53.216
Toda vez que o Robô I.A. adivinhar exata e corretamente, irá aumentar a nossa precisão.

00:01:53.828 --> 00:01:57.828
Com dados numéricos, é tipo como 
se fosse um quadro negro.

00:01:57.828 --> 00:02:04.296
Enquanto os palpites do Robô I.A. forem próximos o suficiente, ainda os consideramos como corretos.

00:02:05.864 --> 00:02:12.557
No I.A. Lab, a diferença entre os dois palpites precisam estar dentro de 5% do intervalo total.

00:02:12.847 --> 00:02:17.128
O número atual muda conforme o quão grande ou pequeno for o conjunto de dados.

00:02:17.128 --> 00:02:21.200
Mas você pode usar esse painel de
detalhes para ver mais informações sobre

00:02:21.200 --> 00:02:27.820
quais são os palpites que o Robô I.A. acertou,
e quais palpites que o Robô I.A. errou.

00:02:29.833 --> 00:02:34.613
Treinar modelos com dados numéricos é como treinar modelos com dados categóricos,

00:02:34.613 --> 00:02:37.551
você ainda está ajudando 
o Robô I.A. a fazer predições,

00:02:37.551 --> 00:02:42.188
mas as ferramentas usadas são levemente diferentes, e a maneira como calculamos precisão

00:02:42.188 --> 00:02:44.148
nos permite aceitar estar perto o suficiente.