Dados, atributos e rótulos em tarefas de IA

A Central de Entregas Aurora registrou informações de quatro entregas. Essa coleção organizada de registros forma um conjunto de dados.

Uma tabela é uma maneira comum de mostrar um conjunto de dados: ela organiza as informações para que possamos ler e comparar os registros.

Leia a tabela em duas partes:

• O cabeçalho fica no alto e informa o significado de cada coluna.
• Cada linha abaixo do cabeçalho registra uma entrega completa, ou seja, um exemplo do conjunto de dados.

Assim, E1, E2, E3 e E4 identificam exemplos diferentes.

Em um conjunto de dados, cada exemplo pode ser descrito por características chamadas atributos. Nesta Central de Entregas Aurora, os atributos usados como entrada são a distância e o peso da entrega.

O cabeçalho traz o nome do atributo; cada linha traz o valor desse atributo para uma entrega. Por exemplo, em E3, a distância é 8 km e o peso é 4 kg.

Observe os papéis: E3 serve para localizar a linha; distância e peso descrevem a entrega.

A coluna Entrega só identifica qual linha estamos lendo neste cenário. Assim, E1 não descreve uma característica da entrega: é apenas seu identificador.

Já os valores nas colunas de distância e peso informam as características do exemplo. Uma mesma entrega pode ter vários atributos.

Na Central de Entregas Aurora, imagine a pergunta: “Qual modal usado deve ser estimado para uma entrega?”

Nos registros de entregas já realizadas, a resposta para essa pergunta já foi anotada. Essa resposta conhecida recebe o nome de rótulo.

O rótulo não é apenas o título de uma coluna: ele é a informação que responde à pergunta definida para a tarefa.

Para a pergunta sobre o modal, Distância (km) e Peso (kg) são atributos de entrada: eles descrevem cada exemplo. Já o valor em Modal usado é o rótulo, pois é a resposta conhecida que a tarefa deseja estimar.

A coluna Entrega só identifica a linha neste cenário; ela não é uma característica de entrada.

Observe os nomes que acompanham as cores: azul para atributos de entrada e laranja para a resposta conhecida.

Agora considere uma nova entrega: E5, com distância de 3 km e peso de 1 kg.

Ela tem valores para os atributos de entrada, mas ainda não tem um valor registrado em Modal usado. Para a mesma pergunta, esse campo está a prever.

Assim, nos exemplos E1 a E4 há uma resposta conhecida; em E5 há uma resposta que a tarefa deseja estimar.

Classificação é uma tarefa em que a resposta desejada é uma categoria entre opções definidas. Na Central de Entregas Aurora, a pergunta pode ser: “Qual modal usar nesta entrega?”

As categorias possíveis neste cenário são bicicleta e carro. Distância e peso ajudam a descrever a entrega, mas a resposta procurada é o nome de uma categoria.

Nos exemplos já registrados, o rótulo Modal usado informa a categoria que foi usada em cada entrega. A coluna Entrega apenas identifica cada exemplo; não é um atributo de entrada neste cenário.

Quando a pergunta pede uma quantidade, a tarefa é uma previsão numérica (regressão). Ela estima um valor que ainda é desconhecido para a necessidade definida.

Na Central de Entregas Aurora, se a pergunta for “quanto tempo uma entrega leva?”, o Tempo gasto (min) é o rótulo: a resposta conhecida nos registros. Distância e peso continuam sendo os atributos de entrada.

Uma previsão numérica não precisa tratar apenas do futuro. Ela também pode estimar uma quantidade desconhecida em um registro ou situação. A unidade dá sentido ao número: 18 significa 18 min, não apenas “18”.

O identificador E2 ajuda a localizar a linha, mas não é um atributo de entrada neste cenário.

Os mesmos atributos podem aparecer em tarefas diferentes. O que muda é o tipo de resultado desejado.

• Se a necessidade é indicar o modal usado, a resposta é uma categoria: isso é classificação.
• Se a necessidade é estimar o tempo gasto, a resposta é uma quantidade com unidade: isso é previsão numérica.

Portanto, não é o formato de distância e peso que decide a tarefa, mas a resposta que se quer obter.

No conjunto de dados da Central de Entregas Aurora, cada entrega é um exemplo. No agrupamento, observamos os atributos dos exemplos para reuni-los por semelhança.

Nesta ilustração, os atributos de entrada são Distância (km) e Peso (kg). Não há uma coluna que informe previamente a qual grupo cada entrega pertence. Os grupos são uma forma de organizar exemplos que têm perfis parecidos nesses atributos.

A proximidade visual é apenas uma ilustração: E1 e E2 têm perfis parecidos entre si, assim como E3 e E4.

Em uma classificação, a tarefa é escolher uma categoria definida, como o valor de um rótulo Modal usado. No agrupamento, não recebemos esses rótulos para definir os grupos.

Assim, Grupo A e Grupo B não significam bicicleta nem carro. São apenas nomes dados à organização ilustrativa dos exemplos por seus atributos. A imagem anterior mostra uma organização possível; ela não representa a execução de um algoritmo.

Agora você vai reunir o que leu sobre a Central de Entregas Aurora. No conjunto de dados, cada linha E1–E4 é um exemplo já registrado. Entrega apenas identifica a linha; os atributos de entrada são Distância (km) e Peso (kg).

A resposta conhecida depende da necessidade: Modal usado pode ser a resposta conhecida de uma classificação; Tempo gasto (min) pode ser a resposta conhecida de uma previsão numérica.

A nova entrega E5 tem Distância (km) = 3 e Peso (kg) = 1. Esses são seus atributos de entrada. Ela ainda não tem modal observado nem tempo observado: qualquer um desses resultados está a prever.

Para escolher a tarefa, olhe para o formato do resultado desejado — não para o fato de os atributos serem números.