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.
Como interpretar este catálogo
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
- Modelos de Inteligência Artificial — posiciona Machine Learning dentro da taxonomia maior de modelos, frameworks, bibliotecas e plataformas.
- Tipos de Machine Learning — organiza os problemas que esses modelos ajudam a resolver.
- Treinamento Supervisionado — aprofunda o regime de aprendizado usado por classificação e regressão.
- Frameworks e Ferramentas de IA — diferencia modelos de bibliotecas como scikit-learn e frameworks de aplicação.
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
- scikit-learn. User Guide: https://scikit-learn.org/stable/user_guide.html
- LightGBM. Features: https://lightgbm.readthedocs.io/en/stable/Features.html
- XGBoost. Introduction to Boosted Trees: https://xgboost.readthedocs.io/en/latest/tutorials/model.html
- XGBoost. Python Package Introduction: https://xgboost.readthedocs.io/en/stable/python/python_intro.html
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