Professional Documents
Culture Documents
32009
31975
SUMRIO
Descrio do Software WEKA.............................................................................................3
Conjunto de Dados................................................................................................................3
Iris Plant Database.....................................................................................................3
Wine Recognition Data..............................................................................................3
Descrio do Modelo MLP...................................................................................................4
Funes dos Parmetros...........................................................................................4
Taxa de Aprendizado, Momento e Nmero de pocas.........................................4
Testes......................................................................................................................................5
Iris...............................................................................................................................5
Experimento 1...............................................................................................5
Experimento 2...............................................................................................6
Experimento 3...............................................................................................7
Combinao de experimentos......................................................................9
Wine..........................................................................................................................10
Experimento 1..............................................................................................10
Experimento 2..............................................................................................12
Experimento 3..............................................................................................13
Combinao de experimentos....................................................................14
Anlise dos testes.................................................................................................................16
Iris.............................................................................................................................16
Wine..........................................................................................................................19
Testes com mudana no nmero de Folds........................................................................21
Experimentos Combinados:
11
12
13
Experimentos combinados:
14
15
16
Pode-se observar pelo grfico que, independente da mudana nas taxas de aprendizado, a
influncia sobre a taxa de acerto no foi muito significante - apenas 1 erro a mais na ltima
variao. Por mais que uma taxa de aprendizado alta caracterize maior velocidade de
aprendizado da rede, ela pode gerar oscilaes no modelo, o que ocasionou a maior taxa de
erro na ltima variao (3,33%, 5 instncias classificadas incorretamente), com a taxa de
aprendizado a 0,9. A proporo de acertos para os dois primeiros valores de taxa de
aprendizado permaneceu em 146 instancias classificadas corretamente, havendo, dessa
forma, 4 instncias classificadas de forma incorreta.
17
Com relao variao no nmero de pocas, o acerto classificador permaneceu igual para
500 e 1000 pocas - uma proporo de 146 instancias classificadas corretamente. Quando se
aumenta consideravelmente o nmero de pocas, percebe -se que o acerto do classificador
diminui, classificando corretamente 145 instancias das 150 apresentadas.
Wine
Grfico 5: Experimento 1 Mudana na Taxa de Aprendizado
O Grfico 5 indica que a taxa de acerto nos trs experimentos no sofreu alterao,
independente da variao da taxa de aprendizado. A proporo de acertos para os trs valores
de taxa de aprendizado permaneceu em 173 instncias classificadas corretamente, ou seja, 5
instncias classificadas de forma incorreta.
19
Pode-se verificar, atravs do Grfico 6, que a mudana nas taxas de momento no ocasionou
alterao nas taxas de acerto do modelo. A proporo de acertos para os trs valores de taxa
de momento permaneceu em 173 instancias classificadas corretamente, e 5 classificadas
incorretamente.
21
22
O grfico 9 mostra a variao que se tem na taxa de acerto do classificador da rede neural
MLP ao modificar o nmero de pastas (Folds) quando se opta pela validao cruzada. Notase que ao modificar a quantidade de Folds para 3, o nmero de instncias classificadas
corretamente de 141 - tem-se ento uma proporo de 9 erros do classificador. J quando
se modifica o nmero de Folds para 5, a proporo de instncias corretamente classificadas
144 - tendo assim 6 instncias classificadas incorretamente. Quando se diminui mais ainda
a quantidade de Folds (2 Folds), vemos que o classificador acerta a classificao de 142
instncias. Conclui-se que se tivesse uma ordem de uso de quantidade de Folds em relao
quantidade de instncias corretamente classificadas na sada produzida, essa ordem seria 5,
2 e 3 Folds respectivamente.
Wine
23
Com relao ao grfico 10, que mostra as taxas de acerto de classificao das instncias
apresentadas rede com relao variao na quantidade de Folds no conjunto de dados
wine, nota - se que o classificador se comporta diferente se comparado ao Iris. Para as
quantidades de 2 e 3 Folds, o classificador acertou 95,5% das instncias, ou seja, apenas
4,5% foram classificadas erroneamente - de 178 instncias, 170 foram classificadas
corretamente e 8 no foram. J para uma quantia de 5 Folds, como esperado, o nmero de
instncias corretamente classificadas foi de 174 - apenas 4 instncias foram classificadas
incorretamente. Isso mostra, assim como no Iris, que dentre as trs variaes de Folds, a de
ordem 5 a que apresenta uma maior proporo de instncias corretamente classificadas.
24