Material Complementar
Nesta página serão disponibilizados materiais complementares com aplicações práticas dos conteúdos estudados na disciplina.
Generalização e Regularização
Exemplo completo em R com separação treino/teste, validação cruzada, mínimos quadrados, Ridge, Lasso, seleção de \(\lambda\) e avaliação final.
Métodos Locais e Kernels
Aplicação prática em R com KNN para regressão, seleção de \(k\) por validação cruzada, Nadaraya–Watson, escolha da largura de banda \(h\), comparação entre kernels, regressão polinomial local e Kernel Ridge/RKHS.
Classificação, Ensembles e Redes Neurais Artificiais
Aplicação prática em R, com tidymodels, abordando regressão logística, SVM com kernel RBF, árvores de classificação, Bagging, Random Forest, Gradient Boosting e Redes Neurais Artificiais (RNA/MLP). Inclui separação treino/teste, validação cruzada, ajuste de hiperparâmetros, regularização, análise do treinamento da RNA e comparação dos modelos por ROC AUC, log-loss, acurácia, sensibilidade, especificidade e F1. Utiliza dados simulados independentes da base avaliativa.