Solucionado (ver solução)
Solucionado
(ver solução)
1
resposta

[Dúvida] Machine Learning

Boa noite,

Estou com uma dúvida sobre a escolha de qual é melhor forma de representar a resposta na tabela para seguinte problema:

Uma determinada loja organiza sua escala de recebimento de produtos em etapas, sendo cada uma dividida em 10 períodos de 10 dias, conforme a Tabela abaixo:

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

A loja possui o fornecedor A que entrega a cada 3 dias, tendo início no dia 0 do período 1, continuando até o limite da etapa 1.Tendo como referência os dias da etapa 1 (d0-d9) e os períodos (p1-p3), pode-se elaborar a seguinte pergunta:

• Quais são os Dias Livres, que não tem Entrega, na etapa 1? • Quais são os Dias Livres em cada período (d1 a d10)?

Elaborei 3 formas, demostrada abaixo, de representar o problema para servi como base de dados para a execução do algoritmo. Gostaria de saber se são modelos viáveis e qual seria o melhor? Outra dúvida é se a Rede Neural é um método adequado para o problema.

Utilizando sequencia binaria

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

Utilizando as colunas como referência.

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

Utilizando as coordenas das linhas e colunas.

Insira aqui a descrição dessa imagem para ajudar na acessibilidade

1 resposta
solução!

Oii, Rafael! Tudo joia?

Podemos considerar que há vantagens e desvantagens nas formas de representação, e claro considerando o objetivo do seu projeto.

A Sequência binária é uma abordagem direta e pode ser facilmente entendida por algoritmos de classificação, pois cada dia é claramente rotulado como dia de entrega (1) ou dia livre (0). Encaixa bem em modelos mais simples ou quando você está interessado apenas em prever se um dia específico será um dia de entrega ou não.

As Colunas como referência, apresenta uma visão mais detalhada, incluindo o fornecedor, o período e a frequência de entrega, além dos dias de entrega. O que é bem-vindo caso o modelo precise levar em conta essas informações adicionais para fazer previsões mais complexas.

E as Coordenadas das linhas e colunas, consegue ser mais abstrata e pode ser útil se você estiver trabalhando com modelos que podem tirar proveito da relação espacial ou sequencial dos dados, como Redes Neurais Recorrentes (RNNs).

Sobre a dúvida relacionada a Rede Neural para este problema, elas são ferramentas que podem modelar relações complexas nos dados. Então, elas podem ser um pouco robusta para um contexto que tende a ser mais simples. Vale considerar métodos básicos de Machine Learning ou até mesmo com lógica programática neste caso.

O melhor é ter conhecimento do objetivo e complexidade do problema para poder aplicar a método mais adequado, tudo vai depender do objetivo. Talvez, de início, queira experimentar o modelo mais simples primeiro e, em seguida, aumentar a complexidade conforme necessário.

Espero ter esclarecido suas dúvidas. Continue se dedicando aos estudos e qualquer dúvida, compartilhe no fórum.

Bons estudos, Rafael!