No final da primeira aula, haviam apenas 2 modelos sendo utilizados. Ao aplicar o votting, um terceiro modelo foi adicionado. Nesse momento, imaginei que parte do motivo fosse evitar empates na votação. Entretanto, ao final da aula, o peso da árvore de decisão é alterada para 2, enquanto os outros modelos permaneceram com peso 1. O que acontece em um cenário onde a regressão logística e o naive bayess votem em um resultado e a árvore de decisão, no outro?
hoje, com a Alura e o Google Gemini
Olá, Luiz, tudo bem?
A adição do terceiro modelo não é apenas para evitar empates, mas para combinar diferentes abordagens e tentar melhorar a precisão final. Cada modelo enxerga os dados de uma forma diferente, então ao usá-los juntos, podemos aproveitar o que cada um tem de melhor.
No cenário que você mencionou, com a árvore de decisão tendo peso 2 e os outros modelos peso 1, o voto da árvore conta como dois. Se a regressão logística e o Naive Bayes votarem em um resultado e a árvore em outro, o voto da árvore pode ser decisivo, porque tem o dobro de influência. Assim, o resultado final dependerá da combinação dos pesos de cada modelo, mas a árvore de decisão terá maior chance de definir o resultado.
Mas reforço que é importante escolher os pesos com cuidado para não dar preferência exagerada a um modelo, o que pode criar um viés.
Espero ter esclarecido e fico à disposição em caso de dúvidas.
Abraços!