Visão geral
Esta seção é onde os elementos-alvo são definidos e onde os dados de aprendizagem são separados em exemplos positivos (mineralizados) e negativos (não-mineralizados). O sistema utiliza pontos de aprendizagem durante o treinamento para reconhecer padrões nos dados e fazer previsões. Cada ponto de aprendizagem ajuda a melhorar a compreensão do sistema sobre as informações subjacentes.
Continue lendo para entender melhor o que esta etapa envolve.
Para etapas sobre como configurar a configuração de dados de aprendizagem (Set Up Learning Data), consulte aqui.
Conceitos-chave por parâmetro
Parâmetro: Pontos de Aprendizagem (Learning Points)
Este menu suspenso lista todos os arquivos de pontos de aprendizagem disponíveis para você escolher para seu ativo.
Se este menu suspenso não estiver disponível, significa que você tem apenas 1 arquivo e ele está sendo usado como padrão.
Campo de Elevação (Elevation Field)
Os valores neste menu suspenso são preenchidos a partir dos cabeçalhos das colunas em seu arquivo de atributos shapefile dos Pontos de Aprendizagem. A elevação-alvo selecionada aqui deve corresponder ao cabeçalho da coluna que contém as coordenadas Z dos seus pontos de aprendizagem. Isso será usado para prever o componente 3D da pontuação de prospectividade.
Filtros de Dados de Aprendizagem (Learning Data Filters)
Sub Parâmetro: Elemento(s)-alvo
Os valores neste menu suspenso são determinados pelo arquivo de atributos shapefile dos Pontos de Aprendizagem.
Você pode definir vários elementos-alvo e limites em um mapa de previsão.
Sub Parâmetro: Selecionar “maior que” (> ) / “menor que” (<)
Essa seleção permite especificar se o elemento-alvo deve ser maior ou menor que o limite especificado para ser considerado um ponto de aprendizado positivo.
Por padrão, o filtro é configurado para incluir elementos maiores (>) que o limite de destino correspondente. Se necessário para o seu alvo, você pode alternar o botão para alterá-lo para “menor que” (<).
Sub Parâmetro: Limite (Threshold)
A caixa de texto do limite é onde você indica a nota que o elemento deve atingir para ser representado como um ponto de aprendizagem positivo.
Elementos que não atingirem o limite definido serão representados como ponto de aprendizagem negativo.
Os valores mínimo e máximo que podem ser usados como limite serão exibidos imediatamente nas entradas “Target Element” (Elemento-Alvo) e “Threshold” (Limite). Eles são baseados nos valores mais baixos e mais altos no seu arquivo de atributos shapefile dos Pontos de Aprendizagem.
Sub Parâmetro: Selecionar “E”/ “Ou” (And/Or)
Ao selecionar diversas commodities, você pode especificar se seus alvos serão combinados usando a lógica “AND” (E) ou tratadas independentemente com a lógica “OR” (OU).
Lógica “AND” (E): Todos os limites devem ser atendidos para serem considerados um ponto de aprendizagem positivo.
Combina todas as commodities selecionadas em uma única avaliação.
Os pontos de aprendizagem positivos e negativos são calculados coletivamente em todas as commodities.
Esta configuração é útil quando, por exemplo, quiser selecionar uma commodity específica e ao mesmo tempo garantir a ausência de outros elementos.
Lógica “OR” (OU): Qualquer um dos limites-alvo pode ser atingido para ser considerado um ponto de aprendizagem positivo.
Trata cada commodity-alvo de forma independente, permitindo avaliações separadas para cada um com seus próprios pontos de aprendizagem positivos e negativos.
Análise de Dados de Aprendizagem (Learning Data Breakdown)
Esta tabela de dados fornece a proporção de pontos de aprendizagem positivos e negativos com base nos limites-alvo configurados nos Filtros de Dados de Aprendizagem (Learning Data Filters).
Essa configuração ajuda a fornecer um contexto quantificável sobre o equilíbrio do seu conjunto de dados e pode ser usada para determinar se você precisa ajustar a configuração de Saldo Negativo (Negative) nas configurações avançadas da etapa “Criar Modelos de Previsão” (Build Predictive Models).
Ainda tem dúvidas?
Entre em contato com seu contato dedicado DORA ou envie um e-mail para support@VRIFY.com para obter mais informações.