IA PARA EFP • MÓDULO 4

Fronteiras não lineares: k-NN e árvores de decisão

Comparação entre aprendizagem baseada em instâncias e árvores alinhadas aos eixos.

🎯 Learning Outcomes / Ishodi učenja:
  • Observar fronteiras curvas orgânicas com k-Vizinhos Mais Próximos.
  • Compreender partições retangulares nas árvores de decisão.
  • Examinar o impacto de k (k=1 memorização vs k elevado suavização excessiva).
  • Controlar a complexidade da árvore através da profundidade máxima.

O k-NN classifica cada ponto por votação maioritária dos seus k vizinhos mais próximos, criando fronteiras suaves. As árvores de decisão realizam divisões se/então sucessivas, particionando o espaço em caixas retangulares.

k-NN: voto maioritário dos k vizinhos  |  Árvore: divisão x_i ≤ limiar

Diferentes abordagens indutivas produzem regiões de decisão muito distintas.

🔬 Interactive Laboratory / Interaktivna laboratorija:

🔍 Guided Investigation / Istraživački zadatak:
  1. Conjunto Meias-luas com k-NN: Compare k = 1, k = 5 e k = 15. Quando é a fronteira mais suave?
  2. Mudar para Árvore de Decisão: Aumente a profundidade de 1 para 5. Veja as partições ortogonais.
  3. Conjunto Círculos: Compare a eficácia do k-NN e da árvore em anéis concêntricos.