Treine o classificador com exemplos, não regras.
Uma lição de 10 minutos: do que se alimenta o aprendizado de máquina, como funcionam sinais e etiquetas e uma oficina do Treinador para rotular e-mails reais.
Como funciona o aprendizado de máquina, o que você ensina com exemplos e sinais, e por que as etiquetas são tudo.
O caso
Um classificador não entende sua caixa de entrada: aprende dos exemplos que você rotula. Rotule bem, e ele decide bem.
Em 10 minutos você treinará um classificador de e-mails: do que ele se alimenta, como soma sinais e por que alguns exemplos valem mais que mil regras escritas à mão.
O que você vai aprender
- Explicar o que um classificador aprende durante o treinamento
- Distinguir exemplos, sinais e etiquetas
- Detectar a pegadinha de mais dados com etiquetas ruins
A receita do treinador
Exemplos + sinais + etiqueta. Com essas três, um classificador generaliza e acerta o que nunca viu.
Exemplos
Casos já resolvidos que ensinam.
Sinais
As características que ele aprende a olhar.
Etiqueta
A decisão que sai ao classificar.
Pegadinha
Mais dados não consertam etiquetas fracas.
Perguntas frequentes
O classificador entende o que um e-mail quer dizer?
Não: soma sinais e escolhe a etiqueta que passa do limite. Compara padrões; não entende.
Mais exemplos de treino é sempre melhor?
Só se as etiquetas estiverem certas: mais dados mal rotulados amplificam o erro com confiança.
Teste você mesmo: Teste relâmpago: etiqueta ou adivinha?
O que um classificador aprende durante o treinamento?
Resposta certa: A olhar sinais a partir de exemplos já rotulados.
Com etiquetas limpas, ele aprende quais sinais importam e generaliza: acerta casos que nunca viu.
Você treina com dois e-mails e ele falha com tudo que é novo. O que falta?
Resposta certa: Exemplos: ele tem pouco material para aprender.
Dois exemplos não deixam ver quais sinais importam. Com mais casos variados e bem rotulados, ele generaliza melhor.
Você adiciona 100.000 e-mails mal rotulados. O que acontece?
Resposta certa: Amplifica o erro: aprende sinais errados com confiança.
Os dados não consertam etiquetas fracas: mais lixo treinado dá um classificador muito seguro de errar.
A regra de bolso — Exemplos (o que você mostra) + sinais (a que ele atende) + etiqueta (o que ele decide). Mais dados não consertam uma etiqueta fraca.
O que você leva
Treinar um classificador com exemplos rotulados e detectar quando os dados ou os sinais falham.