13  Glossário Técnico

Este glossário reúne termos centrais usados ao longo do livro. A ideia é oferecer uma referência rápida para revisão.

• Acurácia: Proporção de previsões corretas sobre o total de exemplos avaliados.

• Atributo: Variável de entrada usada para descrever cada exemplo.

• Bagging: Estratégia de ensemble que combina modelos treinados em diferentes reamostragens dos dados para reduzir variância.

• CART: Sigla para Classification and Regression Trees, família de algoritmos de árvore com grande relevância prática.

• Classe majoritária: Classe mais frequente em um conjunto de exemplos ou em uma folha.

• Classificação: Tarefa de prever categorias discretas.

• Critério de divisão: Medida usada para decidir qual atributo ou corte produz a melhor separação em um nó.

• Entropia: Medida de incerteza ou impureza derivada da teoria da informação.

• Ensemble: Modelo formado pela combinação de vários modelos base, como várias árvores.

• Folha: Nó terminal da árvore onde a previsão final é produzida.

• Gain ratio: Refinamento do ganho de informação usado para reduzir o viés por atributos com muitos valores.

• Ganho de informação: Redução esperada da entropia após uma divisão.

• Generalização: Capacidade do modelo de funcionar bem em dados não vistos durante o treino.

• Gradient Boosting: Família de ensembles sequenciais em que novas árvores corrigem erros das anteriores.

• Grid Search: Procedimento sistemático de teste de combinações de hiperparâmetros.

• Gini: Medida de impureza muito usada em árvores de classificação.

• Hiperparâmetro: Configuração definida antes do treino, como profundidade máxima ou número mínimo de amostras por folha.

• ID3: Algoritmo clássico de indução de árvores guiado por ganho de informação.

• Impureza: Grau de mistura entre classes dentro de um nó.

• Instabilidade estrutural: Sensibilidade da árvore a pequenas mudanças no conjunto de treino.

• Interpretabilidade: Facilidade com que humanos conseguem entender o funcionamento e as previsões do modelo.

• Nó interno: Nó que realiza um teste e envia os exemplos para ramos descendentes.

• Nó raiz: Primeiro nó da árvore, onde a decisão começa.

• Overfitting: Situação em que o modelo se ajusta demais ao treino e perde generalização.

• Poda: Processo de simplificação da árvore para reduzir complexidade e melhorar generalização.

• Pós-poda: Redução da árvore após o treino.

• Pre-poda: Restrições aplicadas durante o crescimento da árvore.

• Precision: Entre as previsões positivas, proporção das que realmente são positivas.

• Pureza: Estado em que um nó contém exemplos de uma única classe ou de distribuição muito concentrada.

• Random Forest: Ensemble de várias árvores treinadas com bagging e seleção aleatória de atributos.

• Recall: Entre os exemplos realmente positivos, proporção dos que foram encontrados pelo modelo.

• Regressão: Tarefa de prever valores numéricos contínuos.

• Regra de decisão: Descrição textual de um caminho da raiz até uma folha.

• Splitter: Mecanismo que define como a biblioteca procura o melhor corte em um nó.

• Teste: Conjunto de dados reservado para avaliação final do modelo.

• Treino: Conjunto de dados usado para ajustar os parâmetros do modelo.

• Underfitting: Situação em que o modelo é simples demais para capturar os padrões do problema.

• Validação cruzada: Método de avaliação em que os dados são divididos em vários subconjuntos para treino e validação repetidos.

• Variância do modelo: Sensibilidade do modelo a mudanças no conjunto de treino.