Minha Primeira Rede Neural (Prática em Python) - Redes Neurais e Deep Learning 02

Oi e aí meu amigo e minha amiga do universo físico Aqui é o Lucas do universo dos captar mais um vídeo vídeo dois dessa nova série de redes neurais artificiais no vídeo anterior eu basicamente desenhei fiz um esquema de como funciona o perception na que é essa rede neural que só têm um neurónio mais algumas coisas não estão Claras ainda por exemplo o que realmente acontece ali dentro daquela unidade de comprar só aquele núcleo que eu falei que é um neurônio né vou explicar isso aqui agora é bem visualmente para vocês vamos lá então vamos

vocês viram no vídeo passado eu usei o exemplo lá da Dee ou não nesse show da Anitta para explicar para vocês o que que acontece ali no neurônio Mas vamos pegar um outro exemplo agora um pouquinho mais complicado e ver realmente a fundo as operações MA a feitas dentro do neurônio não é para começar eu tô aqui é com o notebook o Júpiter notebook aberto vamos começar aqui criando um conjunto de dados para a gente fazer uma espécie de um neurônio aqui muito simples vamos imaginar um exemplo eu não tô muito criativo agora mas imagina

um exemplo que você quer você tem um conjunto de pessoas e quer saber pela idade se a pessoa Fale um seguro ou não nem imagina o exemplo do tipo você tem uma base de dados de pessoas você quer saber se quer prever se uma pessoa teria um seguro sim ou não não é para ir e isso é importante pois você pode por exemplo baseado nisso oferecer um seguro para uma pessoa que tem alta probabilidade de pagar por ele então eu vou gerar aqui agora aleatoriamente mesmo é é um conjunto para gente fazer esse exemplo muito

muito simples lembra que no vídeo passado eu mostrei pra vocês que a gente tem 3neuron de entrada decidindo por exemplo se a pessoa tem dinheiro para ir para o show tal é você pode ter quantos neurônios de entrada você quiser a questão é que nem a saída é um só com o veredito sim ou não pelo menos quando a gente fala do Perfect um desse desse dessa rede neural que só têm um neurónio a única coisa que essa esse nome vai ser capaz de dizer é sim ou não para as coisas mais nada você só

consegue coisas mais complicadas com redes neurais com mais neurônios artificiais Então a gente vai ter nesse exemplo aqui você nem vai ter três número de entrada você vai ter um só com a idade da pessoa no exemplo anterior como vocês viram que você tinha o X1 X2 X3 que você tem 01 ou a pessoa tem dinheiro ou não ou a pessoa tem amigos ou não para aí né aqui você ao invés de ter um X1 X2 X3 binário o X1 aqui agora vai ser a idade pode ser desse jeito também então você vai ter a

idade da pessoa aqui então vamos gerar é esse código aqui então o que que eu fiz eu chamei o número pi EA matplotlib a mais próximo nível vou usar depois eu chamei essa função a Handy hint do Random do nupe pois ela produz um vetor com números aleatórios eu tô achando um vetor com pessoas e possibilidades para a gente criar uma base de dados fake aí né Aí eu disse que o nesse vetor você vai ter quarenta pessoas Então essa base de dados vai ter 40 pessoas as pessoas vão ter idade sorteadas na ideia do

rende em dia você sortear inteiros e as cidades são entre 15 e setenta e aí aí embaixo eu mandei mostrar essa cidade está aí sorteado esse Cid 42 é só para vocês poderem replicar igual fiz aqui né se eu apago o Cid tá lá paguei o Cid ele vai toda vez que eu rodar ele vai sortear uma coisa tá vendo o propósito do sorteio é você realmente embaralhar e sair qualquer coisa o Cid é preciso fixar aquele sorteios e sempre o mesmo pois Caso vocês queiram é replicar o meu exemplo aqui do vídeo A importante

que vocês repliquem com o mesmo exemplo pois aí fica mais fácil para estudar bom então por isso que eu botei' essa semente aqui 42 é para forçar O sorteio você sempre o mesmo só para enfim para vocês poderem estudar aí em casa e perder o meu vídeo é o exemplo não mudar toda hora que aí fica confuso para explicar se cada vez que eu vou dar mudar o exemplo né Mas se vocês quiserem que o exemplo sempre mude não fica se repetindo é só apagar o sítio ali é que eu coloquei essa semente né E

aí não vai ter problema não OK mas assim eu pus Eu tenho cidades mas eu tenho que definir de alguma maneira que se a pessoa tiver mais idade ela provavelmente vai ter um seguro e se a pessoa for mais nova provavelmente não vai ter um seguro pois ela só vai preocupar com isso com mais idade né então eu vou fazer um código muito bobinho aqui que vai ser o seguinte então além das cidades aqui que eu chamei de agis você vai ter também vou chamar aqui dele o que você os rótulos basicamente ele vai esse

lei Deus ele vai indicar para cada pessoa zero se ela não tem Seguro ou um que ela tem seguro ter muito simples para cada idade eu verifico se a idade daquela pessoa é abaixo de 30 se for abaixo de 30 então ela não tem seguro se for igual acima de 30 tem seguro a base dados super simples super bobinha mas para gente começar a entender eu posso uma vez é executado esse código aqui então criei uma lista não é de e obviamente essa lista de votos está associada com aquela lista de idade então a posição

zero dessa lista Aí de rótulos o indica se a pessoa a zero tem um seguro ou não a posição um nessa lista de rótulos indica se aquela pessoa tem um seguro ou não e assim sucessivamente eu posso chamar matplotlib para desenhar um gráfico é associando cada pessoa a seu respectivo rótulo né ou seja se a pessoa tem segura ou não e mandar exibição na tela com isso a gente tem esse gráfico aqui subir a super simples alá cada bolinha vermelha é uma pessoa e indicando aí se ela tem é seguro ou não mas tá muito

separadinho tá muito fácil então vamos complicar um pouco esse exemplo vamos fazer o seguinte vamos pegar algumas pessoas aleatoriamente e mudar tem tinha seguro e vai passar a não ter é isso que esse código aqui que eu botei faz eu vou pegar quatro pessoas aqui sorteadas eu vou sortear quatro pessoas aí desse conjunto E se a pessoa não tem seguro ela vai passar a ter se ela tiver seguro vai passar não ter só para embalar um pouquinho para não ficar tão separadinho então o óbvio né então vamos rodar aqui ó E aí eu chamei de

lei Deus que leibols e lá deu certo tá vendo tem essas pessoas aqui que tem mais de 30 anos e elas não tem seguro assim como você tem umas pessoas assim bem que aqui acho que em cima no Face ofereça não vou tudo bem embaralhou aí algumas pessoas que têm mais de 30 anos aí estão sem seguro então a base de dados ficou um pouco mais realista ainda que esteja muito simples um jeito aí vamos responder à seguinte pergunta como que eu conseguiria criar um algoritmo que dispara a gente é baseado numa idade se a

pessoa teria um segundo ou não considerando esse conjunto ou seja imagina que eu tenho esse conjunto aí eu quero criar um algoritmo que vai poder ver baseado na idade se a pessoa tem segura ou não observa que não está mais tão simples agora pois antes tava fácil a passou de 30 pessoa vai ter segura Mas agora eu já não sei mais pois tá vendo tem pessoas de pau o anos que não tem seguro como é que eu conseguia criar um algoritmo que vai baseado numa idade para ver se a pessoa tem segura ou não considerando

esses dados o mais simples possível é a regressão linear tem um vídeo que eu fiz no meu canal sobre regressão linear eu não vou explicar a reversão em Artur daqui eu vou simplesmente botar esse vídeo na descrição para você assistir mas o que que a redução linear faz ela tenta produzir a melhor reta possível que passa por esses pontos lá mas ela Missão Impossível para uma reta é reta não tem como eu fazer uma reta que passa por esse conjunto de pontos mas eu vou tentar a regressão linear vai tentar gerar uma reta que melhora

aproxima esse conjunto de pontos aí então eu vou chamar aqui o algoritmo da regressão linear que eu expliquei lá nesse vídeo e uma coisa legal é da regressão linear e aqui como eu falei para vocês ela retorna a reta que melhora por cima esses pontos e uma reta pessoal é matematicamente descrita pela equação por exemplo y = m x x + b uma reta é descrita por essa equação e me indica para a gente o quanto essa reta inclina enquanto o bebê vai nos dizer se essa reta vai subir ou vai descer tem até uma

animação aqui que eu fiz que eu gosto muito de mostra é isso um ponto pessoal eu vou mostrar essa animação aqui é e agora mas o ponto é que esse Model aqui ele guarda informações dessa reta que melhor aproxima esse conjunto de pontos você vai ter no caso esse modo e o ponto com FPS 800 vai ser o m dessa reta enquanto esse intersept vai ser o b dessa dessa equação dessa reta aí né aí vamos só conferir uma coisa aqui ó o m e s b são esses valores aí só uma coisa como esse

e me veio dentro de um vetor eu vou botar aqui zero Pois é para vir só os valores certinho seu porque se coef ele ele tem aquele aquele valor Leme e outras coisas é um vetor cheio de informações aí beleza fazendo isso eu pego o m e o B separadinho que definem essa reta que melhor para cima esse conjunto de pontos vermelho aqui e aí eu vou o que vai organizar melhores código vamos botar aqui criando a base de dados aqui em cima vamos colocar na parede são usando regressão linear e aqui vamos entender tô

entendendo a os coeficientes da reta assim eu eu vou tentar Eu adicionei um código aqui eu vou tentar resumidamente explicar mas basicamente esse código aqui que eu acabei de botar ele vai gerar uma animação para a gente entender o efeito do M eu vou aumentar o m com o tempo e ver como isso afeta eu tô usando a módulo de animação da matplotlib dá para você gerar animações bem legais e aí eu vou gerar uma figura com eixos x e y el subplot som as janelinhas que eu consigo pilotar gerar gráficos aqui eu tô limitando

o eixo X e Y A um determinado intervalo para só para ajustar minha câmera tem um não ficar nem perto demais nem longe demais eu tô definindo o intervalo aí e aí e eu vou inicializar uma variável aqui que vai servir basicamente esse Laine É ele que vai variar porque eu vou desenhar várias retas agora eu vou eu vou fazer eu vou mostrar para vocês aqui a equação o vovô avaliar o Emi nessa reta para mostrar o efeito que estudar aí na equação eu até rodar isso já eu vou mostrar para vocês e aí eu

continuo explicações para ser melhor para entender eu tô gerando então um vídeo que vocês vão ver o efeito é de modificar esse M aí e aqui embaixo eu vou exibir esse vídeo Alá bom então é para vocês entenderem essa uma equação de uma reta básica e o que que acontece se o m aumentar com o tempo a lá à medida que o aumento o m essa reta vai inclinando né vai subindo e vai levantando né a chupar pipa do vovô subindo alaerte com a pipa do vovô mas no caso é a reta Então todo esse

código que eu fiz aqui em cima é para gerar aquela animação que vocês viram o init ele só inicializa é essa reta pois essa variável Line aí ela vai é produzir a cada iteração várias retas ela vai guardar informação referente essas retas e o animate é que a cada Flame e você vai aumentando devagarzinho valor do M E aí gerando essa animação aí e tudo mais e se 7-data ele vai receber a informação de x e y x vão ser os valores é possíveis dessa reta aí no eixo X e Y na justamente vão ser

os Y dessa reta aí aí observa que y = m vezes x mais B equação da reta a única questão é que esse B Bom dia qualquer eu não preocupa aí para ele agora pois eu queria mostrar para vocês o efeito do m né em toda essa estrutura aí né E aí é para você fazer uma animação na bate pote Líder você tem que dar a figura que realmente onde tudo vai ser desenhado o animatic é o método que vai mostrar fêmea fêmea que vai acontecer esse init funk aqui que só inicializa né eu tô

criando uma variável vazia de linha e outras informações quantos frames vai ter é o intervalo entre cada frame ele se não me engano botei 20 milissegundos I will Bleed que eu acho que o Bleach não tem efeito aqui agora mas tem relação a você ir desenhando né Por exemplo em cima de uma mesma imagem se desenha outra coisa por cima Mas isso não vai ter muito efeito aqui agora não e o save que vai gerar esse MP4 aí para gente então a gente entendeu aqui o efeito do M agora vamos entender o efeito do B

eu vou pegar aqui um código muito parecido com o anterior mas ao invés do Mcqueen variando com o tempo agora vou fazer o b variar com o tempo aqui para vocês verem eu vou botar aqui embaixo esse código aqui que serve para basicamente pegar o vídeo que eu gerei e exibir um bebê ele tem um efeito de e fazer a reta subir né então o papel da regressão linear aqui basicamente é achar o m o B que melhor definem uma reta O que passa por esse conjunto de pontos aqui é basicamente isso que a regressão

linear faz para gente beleza agora de tudo tudo isso vamos entender é o efeito é vamos entender ali a regressão linear daquele conjunto de pontos do segundo que eu tava explicando ali para vocês eu vou então novamente desenhar aquele gráfico é como vocês viram o mesmo que a gente viu ali em cima nenhuma novidade só que agora eu vou pedir para matplotlib desenhar essa reta que melhor aproxima esse conjunto de pontos lembra que o m o b são o m o B que a regressão linear me deu né que melhor aproxima aquele conjunto de pontos

e aí se eu mandar desenhar esse cara ela é essa é a reta que melhor se aproxima desse conjunto de pontos é uma reta muito ruim é mas é a reta que melhor tentou se aproximar é desse conjunto de pontos Ok mas como é que eu uso a regressão linear para como é que eu faço um classificador melhor dizendo baseado nisso para melhor me dizer quando uma pessoa baseado na idade vai fazer um seguro ou não o jeito muito simples que eu posso usar para fazer isso é o seguinte se como vocês podem ver que

mais ou menos no meio é quando o y for meio você vai ter um determinado x se Para uma determinada idade x ou Y for igual ou maior que o e-mail a gente assumi como se fosse uma linear né é que a pessoa vai ter um seguro Então observa a gente meio que eu tô eu tô meio que fazendo aqui com vocês a operação que o Leon faz né e eu tô explicando o que neuroleme faz a gente está chegando No Limiar agora a gente pode por exemplo é aproximar pegasse a reta aqui e é

o seguinte se a gente tiver uma idade x que para todo x aqui a gente tem um Y obviamente se a gente tiver uma idade x o que dá um Y igual Norte e-mail significa que essa pessoa tem idade para ter um seguro foi abaixo desse meio então o nosso linha assim que foi sempre meio na no um X cujo Y meio maior que meio vamos desenhar isso aqui no gráfico que eu acho que vai ficar melhor para entender aí voltando a olhar nas equações né a equação da reta que eu mostrei aqui para vocês

é essa o seu assumir que o meu Y vai ser meio qual que é a idade x né que cujo Y Ali vai dar meio a gente pode manipular essa equação aqui se isolando x você vai ter zero. 15 - b = m vezes x é meio - b / m pois a gente vai jogar o ML do outro lado igual o Max então eu posso pegar meio - b / m e eu tenho M eu tenho b e isso vai dar a idade é que uma pessoa Teoricamente faria o seu seguro Então vamos fazer

essa conta aqui vamos pegar esse Limiar o Limiar vai ser o que zero. 15 - b / m então eu vou chamar aqui de linearidade se a pessoa tivesse é esse tiver a idade desse Limiar superior a pessoa vai ter um seguro caso contrário não vai ter vamos desenhar isso o nosso gráfico também eu vou fazer o seguinte eu vou desenhar uma reta tracejada verde na posição x aonde o y é meio é mas que idade é essa vamos olhar 32 então eu fiz um classificador linear muito simples aqui que basicamente ele vai fazer o

seguinte ele vai me dizer é a partir de qual idade a pessoa vai ter um seguro uma porque Lucas o meio é pelo seguinte você pode pensar nesse 0 a 1 aí como se fossem porcentagens o zero significa que a pessoa tem uma idade que tem zero porcento de chance dela fazer um seguro se a pessoa tiver essa idade aqui ó tá vendo que esse x aqui o y é 0,4 significa que ela tem 40 porcento de chance de fazer um seguro o meio se a pessoa tiver a idade aqui de 32 ela tem 0,5

cinquenta porcento de chance de fazer um seguro então é por isso que eu trabalhando dessa maneira eu tô eu tô preocupado em descobrir quem são as pessoas que têm 50 por cento ou mais chances de ter um seguro E é isso que esse classificador faz e a gente poderia ter um neurônio que faz Exatamente isso ele recebe aqueles dados é faz uma operação ele de reversão linear para aprender o m o B que vão bater o martelo sobre a pessoa fazer um seguro ou não então se a pessoa tiver Então esse meu neurônio aprendeu a

analisar um conjunto de dados de idade e definiu o Limiar que cê para quem vai fazer um seguro e quem não vai fazer o segundo então meio que a gente fez na unha na mão o que um neurônio poderia fazer só que esse neurônio então não sei se Ficou claro isso mas eu mostrei para vocês Quais são as operações que um neurônio artificial poderia fazer um sub centro e super basicão para vocês entenderem como um neurônio recebe dados aprendi no caso que ele aprendeu esse Limiar para iba O Elo se a pessoa vai fazer um

seguro ou não o mesmo princípio CD no caso da Anitta ele poderia receber esses valores de entrada e aí calcular esse Limiar para decidir para classificar se uma pessoa vai para o uma coisa que eu esqueci de comentar no vídeo que é bem importante é que nessa equação dessa reta né Y = MX + B esse M Na verdade ele é o peso da Alerta que vem do neurônio de entrada até o neurônio que realmente faz o processamento dessa unidade aí de computação igual falei no vídeo anterior né Você tem o w um que é

esse peso do neurônio entrada X1 você pode assumir que esse m tá fazendo o papel desse peso para esse é o nome de entrada pois nesse vídeo você só tem um meu nome de entrada aqui em forma Justamente a idade e esse mais B dessa equação Y = MX + B no caso da reta s b define essa reta sobe ou desce ele no gráfico no caso do neurônio especificamente esse bem assume o papel do BIOS aquela informação que vai não vai deixar a saída do neurônio você Totalmente Dependente dos valores do Nelson de entrada

no caso aqui só tem um violão de entrada que for Nessa idade né Mas você vai ter um outro valor que vai influenciar nessa unidade de computação desse neurônios em depender apenas do meu anti entrado Então esse bebê aí vai assumir o papel de Bis no neurônio e influencia no gráfico da reta dessa maneira aí a questão é que esse neurônio aqui ele é péssimo porque porque uma reta essa reta não tem nada a ver não aproxime nada esse conjunto de pontos o ponto é que a função a a equação da reta a função aqui

ela é péssima para isso e se a gente tivesse pessoal uma função que passa mais ou menos por esses pontos certo não tem uma função melhor para isso e tem uma função que é muito boa para isso é a função logística né eu vou mostrar aqui para vocês agora a função logística vocês vão bater o olho nela e eu acho que vocês vão concordar que ela é muito melhor para isso do que essa aqui que eu mostrei pra vocês é a função logística pessoal ela é um pouco difícil de visualizar eu vou que abrir rapidinho

quente para vocês verem mas a função logística é o seguinte e como é que ela é da mesma forma a uma função f x = y só que a função logística é o seguinte é um / 1 - e o natural o número de other no caso é um número é é tipo Pi Neo Pi = 3,14 mais o é que é o número de Orly Esse é um número 2,27 uns quebrados menos é elevado AX precisão falar Caraca Lucas aliás minto é um mais é elevado a menos x desculpa tá gente não repetindo aí

é um sobre um mais é elevado a menos x esses vão falar Caraca Lucas que doidera É essa a questão pessoal é que essa fórmula ela gera um tipo de gráfico muito interessante que eu vou mostrar pra vocês agora eu vou criar aqui uma função sigmóide que vai aplicar é esse cara aqui é esse cara que eu acabei de fazer no peito para você só é um dividido por um mais é elevado a menos x no caso a like chamei de item é porque na verdade essa função sigmóide aqui ela vai receber vários x e

e gerar todos os Y de uma só vez Oi e aí vamos fazer o seguinte eu vou gerar um intervalo de X aqui de menos dez até 10 horas de 0,2 em 0,2 então o XL vai gerar é um intervalo é um vetor no caso males então aqui não tá É muito fácil de ver mas basicamente o que eu gerei aqui é uma lista de elementos - 10 - 9,8 - 9,6 - 9,4 - 9,25 e de 0,2 em 0,2 até chegar 9,6 9,8 e 10 eu tô gerando o intervalo de vários X para jogar

nessa função sigmóide aqui e gerar esse gráfico aqui e olha que função linda gente essa função passa mais ou menos é praticamente uma função que nasceu para fazer isso aqui não é para passar por esses pontos E olha que coisa mágica então ao invés de usar essa função aqui muito básica eu vou usar essa aqui que é muito melhor então vamos tentar repetir o que eu fiz ali só que usando a função logística vamos ver vamos ver se vai vai ficar melhor né então eu vou fazer aqui eu vou chamar de classificador sigmoide sigmoidal eu

realmente não sei como é que seria a melhor forma de traduzir vamos fazer a mesma coisa de novo eu vou botar eu vou botar de novo na descrição um vídeo que eu fiz explicando regressão logística não vou explicar aqui de novo mas de novo é a mesma coisa eu vou dar aquele conjunto de pontos ali de idade e ele vai gerar uma curva tipo essa daqui que melhor aproxima os pontos e aí né vou botar os pontos ali e eu vou explicar tudo aqui mas observa aí vou chamar de lei dos de novo né que

eu renomeei aqui esqueci então a gente tem o mesmo lugar fico aqui de novo só que agora eu vou plotar é aquela função ali sigmoide eu vou passar o x e qual que vai ser o x aqui nesse caso nós vamos definir um X aqui para esse caso o x vão ser idades entre 60 e 70 né que é eu acho que eu poderia botar 15 aqui né que eu vou botar a zero para vocês verem a curva lá do da origem até atingir 70 anos Pois é o intervalo de idades ali que eu tô

usando para o meu exemplo valiando de 0,1 em 0,1 e eu preciso eu tenho x Agora eu preciso do Y também o y vai ser é a função sigmóide da reta Como assim Lucas é pelo seguinte e a regressão logística também vai me dar uma equação da reta Então essa regressão logística aqui ele também vai me dar um m e um B que define essa reta a questão é que eu não vou só usar essa reta ponto e acabou a regressão logística eu vou definir uma reta que melhora a próxima esses pontos e aplico ela

na função logística então é como se fosse uma reversão e near seguida é de uma de aplicar essa reta que hoje ele na função sigmoidal em outras palavras aí voltando ao pente a regressão logística ali que eu expliquei para vocês É como se eu fizesse Y igual E aí me vezes x mais b a mesma coisa que eu fiz antes ali na redenção linear mas aí eu vou pegar esse Y vou chamar ele de y linha e eu vou aplicar esse Y nhá aqui então a regressão logística realmente está fazendo isso aqui ó o rosto

mais dizer é só para realmente diferenciar então a regressão logística é realmente isso você gera uma reta que melhor aproxima aqueles pontos ali de idade e você aplica na função Logística em outras palavras é isso aqui que tá acontecendo na verdade na verdade o seu X é esse cara aqui e se eu fizer isso qual que vai ser o efeito o efeito vai ser esse aqui óleo agora eu tenho uma curva que muito melhor aproxima esses pontos e um princípio desclassificado vai continuar sendo mesmo eu vou olhar aqui e é para Y = meio ou

seja cinquenta porcento de chance para aquele Y é de probabilidade de cinquenta por cento qual que vai ser a idade né que a pessoa tem cinquenta porcento de chance de fazer um seguro se a pessoa tiver uma idade de cinquenta porcento de chance tem um seguro ou maior vai ser essa a faixa o intervalo que vai fazer mais sentido eu fazer propaganda para vender seguro por exemplo Então eu preciso agora achar Qual que é o x em cuja pessoa tem cinquenta porcento de chance de fazer esse tal seguro assinar esse tal seguro e como é

que é o cálculo Isso aí é um pouco mais complicado pois eu tenho que isolar o x dessa equação aqui mas não é tão difícil vamos vamos fazer juntos novamente pessoal que que eu posso fazer já para facilitar um pouco as contas eu vou substituir esse Y aqui por meio e já que eu quero saber qual x a pessoa tem cinquenta porcento de chance é de assinar esse seguro fazer esse seguro e aí eu vou fazer o seguinte eu vou ter um mais bom é elevado a menos m x x + b desculpa que a

letra porque eu estou usando o mouse para isso igual a um dividido é por meio de um dividido por meio da dois então e vamos trocar esse cara aqui já de uma vez e os dois e já facilita dois tem um desse lado eu vou passar um para lá eu vou ter é menos m é elevado a - MX a + b e eu passei esse um para cá né então 2 - um vai ficar um é legal e agora agora a gente pode aplicar a definição de logaritmo log o que que é log é

de basear log B na base a descer Esse cara é equivalente é isso a elevado a ser igual a B a função logaritmo é o inverso da exponencial basicamente Air em qual expoente a elevado ao qual expoente da B o log de diabo é basicamente o seguinte a elevado ao que dá B é isso que a função log Tenta descobrir para gente e se vocês observarem esse cara aqui parece muito esse cara aqui então a gente consegue aplicar definição de logaritmo ali e esse cara aqui vai virar log de é da base e de 1

= - m x x + b aí uma coisa que eu posso fazer é mais aqui - aqui a tem uma coisa que eu esqueci Pessoal esse - M aqui é entre parentes tá tudo só que eu esqueci entre parênteses isso é importante E por quê Porque se isso tudo tá entre parênteses Isso significa que é você envia - MX - B enfim mas vai dar isso aqui e agora ficou mais fácil pois - log de é na base um o que que é esse log de é na base um é o seguinte eu tô

perguntando aqui qual que é o número que elevado a Air dá um qual que é o número que ele elevado a x qual que é esse x que vai fazer é elevado a x dá um é só tem um cara possível que é o Zero qualquer número elevado a zero vai dar um e você pode ter 10 elevado a zero vai dar um então um blog é de Um independente da base é ali o log de um sempre vai dar zero Então agora temos 10 aqui 0 = MX + B ficou bem fácil e levar

o x agora né então isolar o x perdão ficou bem mais fácil isolar o x Agora tô no fim das contas o x vai ser b / m o que é incrível né Nós pegamos esse trambolhão aqui e transformamos nesse cara muito mais simples Então se Y for meio eu descobri a idade que a pessoa tem cinquenta porcento de chance de fazer um seguro É só pegar o b daquela reta ali que a regressão logística dá para gente dividido pelo m é simples assim então voltando aqui qual que vai ser o Limiar agora que eu

preciso o Limiar da idade aqui para esse caso vai ser B dividir é a única questão que a gente tem que tomar cuidado é que e esse B ele pode vir negativo tal então a gente tem que aplicar o módulo que seria o ABS o Absolut ele vai pegar se aquele valor é líder negativo ele vai transformar em positivo para a gente pois não faz sentido uma idade negativo aqui no caso né enfim vamos ver o linearidade aqui nesse caso eu vou ligar aqui de novo isso aqui é só para eu desenhar a linha tracejada

aqui da cor verde Justamente na idade x ele vai ter a ser já ali no Y é o meio então aqui temos a idade que melhor separa Vamos ver que idade é essa minha faltou se eu botar o print aqui a idade que ele deu foi de 33,333 não deu muita diferença em relação ao outro aqui não mas é para em geral esse classificador sigmóide ele vai separar melhores conjuntos de pontos aí fazendo a classificação binária do que é e o classificador linear é ali que a gente fez e basicamente isso que fizemos é um

neurônio Esse classificador é esse mod é o que o neurônio faz então o que o neurônio ONU percepção ali basicamente faz é receber um conjunto de dados a ele vai fazer apanha ativação que é é calcular essa reta que melhor aproxima esse conjunto de pontos descobrir o m o B que melhor que melhor aproxima esse conjunto de pontos e depois ele vai pegar essa reta e aplicar na fórmula que eu mostrei para vocês da função logística E aí é nessa função logística aí você vai ter de novo o m e o b e melhor separar

ia né nem entre as pessoas que fazem o seguro e não fazem o seguro reiterando novamente pessoal que esse m o bico a gente obteve na regressão logística vai ser o peso desse neurônio de entrada que fornece a idade e o Bios ali do neurônio Então dessa forma que a gente aprende essas informações para essa rede neural simples que a gente tá trabalhando e o Limiar sempre vai ser pessoal em relação ao Y = meio é isso que o neurônio artificial básico faz né Ele é na verdade essa reta que ele faz é multiplicar cada

neurônio de entrada por seus pesos né pelo menos é isso que ele faz no caso de um um exemplo que só tenha um neurônio de entrada que foi o caso aqui então aí eu vou desenhar aqui rapidinho bom então o tudo que a gente viu o que o que o perception faz é o que esse neurônio aqui efetivamente faz é o seguinte ele vai multiplicar cada X1 X2 e X3 aqui por cada peso isso até falei no vídeo passado é a pai ativação x 1 x W1 mais x-2x W2 é mas X3 às vezes w3c

e mais o B que é o Bias que vem aqui isso pessoal nada mais é do que a descrição de uma reta mesmo é como se fosse uma regressão linear ou uma regressão linear múltipla mesmo tá e isso foi o que fizemos aqui nesse classificador é que a primeira etapa né Então essa multiplicação aqui dessa informação de cada neurônio de entrada nesse exemplo que eu mostrei desse vídeo foi um neurônio de entrada só isso é basicamente uma regressão linear se for simples se for só um neurônio de entrada ou uma múltipla se forem muitos neurônios

de entrada e esse cálculo depois ele vai ser aplicado na função logística E aí nela que realmente você vai aplicar essa ideia do Limiar para verificar se está acima de cinquenta por cento tá acima de meio que você tiver acima ou igual a esse cinquenta por cento esse e-mail Isso significa que o neurônio vai para eu pagar vai ativar dizendo sim ok abaixo o dia se ele bateu pagar dizendo não vai à festa não vai à festa vai assinar os e não vai assinar o seguro então a gente meio que fez na unha o que

um neurônio básico aí do percepção faz que basicamente é isso pessoal Essa é intuição por trás do neurônio artificial básico é óbvio que as redes neurais artificiais hoje em dia não usam mais é a a função logística existem outras funções bem melhores hoje em dia mas para você começar a entender é importante começar a por elas eu acho que até por essa explicação você consegue entender porque que o presépio é equivalente à regressão logística Pois é o que fizemos ali foi basicamente a regressão logística você pegar um conjunto de pontos é passando por uma função

logística e eu verifico se aquela Moster X e o seu fdx o seu Y for igual ou acima de 0,5 então é vai ser sim Caso contrário vai ser não né Pelo menos nessa forma que me nada o que ele vai responder é justamente a saída vai ser sim ou não vai ser um classificador minado eu posso ficar dominado é justamente isso não é dizer sim ou não para uma amostra para um conjunto de dados é isso gente valeu é torna esse mesmo se você gosta do meu conteúdo aí e muito