O bagging (abreviatura de bootstrap aggregating) é um método de ensemble em aprendizagem automática: muitos modelos são treinados com amostras dos dados de treino extraídas aleatoriamente, e as suas previsões são calculadas em média ou combinadas por votação maioritária. Isto torna os resultados mais estáveis e reduz o sobreajuste. O exemplo mais conhecido é a random forest, que combina muitas árvores de decisão – por exemplo, para prever o abandono de clientes ou preços.
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoA regressão com floresta aleatória (random forest) prevê valores numéricos combinando muitas árvores de decisão. Cada árvore é treinada com uma amostra aleatória dos dados e uma seleção aleatória de características; o resultado é a média das previsões de todas as árvores. Isto torna o método mais robusto e menos propenso ao sobreajuste do que uma árvore isolada. É utilizada, por exemplo, em previsões de vendas, estimativas de preços ou da procura de energia – muitas vezes como ponto de partida sólido para dados tabulares.
O boosting é um método de ensemble em aprendizagem automática em que muitos modelos simples são treinados uns após os outros, concentrando-se cada novo modelo nos casos em que os anteriores erraram. Em conjunto, formam um modelo global muito mais preciso. Variantes conhecidas são o AdaBoost e o gradient boosting, com bibliotecas como XGBoost ou LightGBM. O boosting é particularmente forte em dados tabulares, por exemplo em previsões de risco de crédito, de vendas ou de abandono de clientes.
Uma árvore de decisão é um modelo que representa uma decisão como uma sequência de perguntas simples de sim/não: cada ramo testa uma característica e cada folha dá um resultado. No machine learning, estas árvores são aprendidas automaticamente a partir de dados e usadas para classificação ou previsão. O seu ponto forte é a transparência – por exemplo, mostrar por que razão um pedido de crédito foi assinalado com base no rendimento, no prazo e no historial de pagamentos.
O sobreajuste (overfitting) ocorre quando um modelo memoriza os dados de treino, incluindo particularidades aleatórias e ruído, em vez de captar padrões de validade geral. Parece então muito exato com os dados conhecidos, mas tem um mau desempenho com dados novos. Uma grande diferença entre o erro de treino e o erro de teste é um sinal típico. Entre as contramedidas contam-se mais dados ou dados mais variados, modelos mais simples, regularização, dropout e validação cruzada.
