Classificação e regressão

Logistic Regression

Apesar do nome, Logistic Regression é amplamente usada como classificador. Ela estima probabilidades de classe a partir de uma combinação linear das variáveis de entrada e de uma função logística.

Usos típicos: classificação binária, baseline interpretável, problemas em que simplicidade e explicabilidade são importantes.

Decision Tree

Árvore de decisão divide os dados por regras sucessivas até chegar a folhas que representam uma decisão ou valor previsto.

Usos típicos: classificação e regressão, especialmente quando regras interpretáveis são desejáveis.

Random Forest

Random Forest combina várias árvores treinadas com amostras e subconjuntos de atributos diferentes. A agregação tende a reduzir a variância de uma árvore isolada.

Usos típicos: classificação e regressão em dados tabulares, baseline robusto e problemas com relações não lineares.

Gradient Boosting

XGBoost

Implementação de gradient boosting baseada em árvores, usada em classificação, regressão e ranking.

Ponto forte: ecossistema maduro, flexibilidade de objetivos e bom desempenho em dados tabulares.

LightGBM

LightGBM (Light Gradient Boosting Machine) é uma implementação de gradient boosting baseada em árvores, com otimizações como treinamento por histogramas. A documentação oficial suporta regressão, classificação binária e multiclasse, além de ranking via LambdaRank.

Usos típicos: dados tabulares, grande volume de linhas/atributos, classificação, regressão e ranking.

Nota de nomenclatura: "Light IBM" é uma aproximação fonética comum, mas o nome correto é LightGBM.

XGBoost × LightGBM × Random Forest

Tecnologia Família Treinamento Cenários comuns
Random Forest bagging de árvores árvores relativamente independentes baseline robusto, classificação/regressão
XGBoost gradient boosting árvores sequenciais corrigem erros anteriores alta performance em dados tabulares
LightGBM gradient boosting boosting com otimizações por histogramas grandes datasets, classificação/regressão/ranking

Nenhuma dessas opções é universalmente superior. Desempenho depende de dados, objetivo, tuning, restrições de latência, explicabilidade e infraestrutura.

Clustering

K-Means

K-Means é um algoritmo não supervisionado que distribui observações em k grupos com base na proximidade a centroides.

Usos típicos: segmentação exploratória, agrupamento de clientes, compressão e descoberta de padrões.

Há uma diferença importante entre algoritmo e modelo treinado. O algoritmo define como o aprendizado acontece; o modelo é o resultado parametrizado desse treinamento em dados específicos. Na prática, nomes como Random Forest, XGBoost e LightGBM são frequentemente usados de forma abreviada para se referir tanto à técnica quanto ao modelo resultante.

Conteúdos relacionados

Como aprofundar

  • Pergunta: em quais condições LightGBM, XGBoost e Random Forest mudam de comportamento relativo?
    • Fonte ou método: benchmarks reproduzíveis em datasets tabulares com diferentes volumes, cardinalidades, missing values, tuning e restrições de latência.
    • Por que importa: a tabela atual descreve famílias e usos, mas não deve sugerir um vencedor universal.
  • Pergunta: quais métricas devem orientar cada tipo de problema?
    • Fonte ou método: documentação de avaliação do scikit-learn e literatura específica para classificação, regressão, ranking e clustering.
    • Por que importa: escolha de modelo sem critério de avaliação adequado produz comparações enganosas.
  • Pergunta: quais modelos merecem páginas próprias?
    • Fonte ou método: priorizar tecnologias recorrentes em estudos/cases e aquelas cuja arquitetura, tuning ou aplicação exijam conteúdo além do catálogo.
    • Por que importa: mantém o catálogo enxuto sem impedir aprofundamento onde houver valor.

Fontes e caminhos de aprofundamento

Consultadas diretamente

Sugeridas para investigação

  • Papers originais de Random Forest, XGBoost e LightGBM quando páginas individuais forem criadas.
  • Benchmarks independentes e reproduzíveis para comparação de modelos tabulares em cenários específicos.

Estado editorial: catálogo-base; adequado para navegação e comparação conceitual, ainda sem benchmark experimental próprio.

Última revisão: 2026-09-21