Pipelines e introdução à validação cruzada

Sobre esta aula

Como saber se um modelo é bom? Primeiro, é preciso definir o que é "bom" para o problema — e escolher as métricas certas. Depois, é hora de validar. Nesta aula, você vai organizar o código com os pipelines do Scikit-Learn e aprender técnicas de validação de modelos.

Também vamos discutir duas causas frequentes de modelos ruins: o sobreajuste (overfitting), quando o modelo se adapta demais aos dados de treinamento e perde a capacidade de generalizar, e o subajuste (underfitting), quando o modelo é simples demais para aprender a estrutura dos dados.

O que você vai aprender

• Como criar pipelines com o Scikit-Learn
• Para que serve a validação de modelos
• Sobreajuste e subajuste
• Validação holdout e validação cruzada k-fold
• Como usar o cross_val_score

Material de apoio

• Notebook da aula no Kaggle
• Artigo: validação cruzada de modelos de machine learning

Referências

• Fawcett, T.; Provost, F. Data Science para Negócios.
• Géron, A. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow.