O meta-dataset AmTriangle para experiências com Supervised Machine Learning

Autores

DOI:

https://doi.org/10.25746/ruiips.v9.i4.26211

Palavras-chave:

AmTriangle, dataset, Python code, KNN, supervised learning

Resumo

Este artigo apresenta a primeira versão de um meta-dataset, designado de "AmTriangle", e de um conjunto de ferramentas relacionadas, concebidas para a introdução e experimentação de situações relacionadas com "supervised machine learning"/aprendizagem-máquina supervisionada.

É um "meta-dataset", porque é um instrumento para a geração de conjuntos de amostras (datasets), tantas quantas se desejar, devidamente classificadas. Cada amostra é um triângulo, classificado como "acute", "obtuse" ou "right", consoante seja "agudo", "obtuso" ou "reto", conforme convencionado em trigonometria.

Um dataset gerado pode ser utilizado para "ensinar" a classificar novas amostras, por diferentes técnicas, como KNN ou redes neuronais; os resultados dependem de opções, discutidas. O artigo faz paralelos com outros datasets: os "triângulos" poderiam ser outros objetos, abordáveis por analogia.

Capa: O meta-dataset AmTriangle para experiências com Supervised Machine Learning

Downloads

Publicado

2021-12-31

Como Citar

Marques, A. (2021). O meta-dataset AmTriangle para experiências com Supervised Machine Learning. Revista Da UI_IPSantarém, 9(4), 58–68. https://doi.org/10.25746/ruiips.v9.i4.26211

Edição

Vol. 9 N.º 4 (2021): Edição Temática: Ciências Exatas e da Engenharia | Conferência Internacional em Transformação Digital - Cooperação Internacional, multiculturalidade, trabalho colaborativo e ambientes mais inclusivos, sustentáveis e resilientes.

Secção

Artigos

Licença

Creative Commons License

Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-SemDerivações 4.0.

Autores que publicam nesta revista concordam com os seguintes termos:

  • Autores conservam os direitos de autor e concedem à revista o direito de primeira publicação, com o artigo simultaneamente licenciado sob a Licença Creative Commons Attribution que permite a partilha do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  • Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do artigo publicado nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  • Autores têm permissão e são estimulados a publicar e distribuir o seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.

Artigos mais lidos do(s) mesmo(s) autor(es)