Skip to main content
não é isso que está no gráfico? reverta se me enganei
Fonte Link
bfavaretto
  • 66,2mil
  • 11
  • 151
  • 228

Ou seja, com essa variável ou "característica" (em inglês chamada de feature) é bem mais fácil diferenciar os Salmões dos Badejos (com um só IF!). Ainda assim, tem alguma confusão na região do valor de luminosidade igualpróximo a 115,8 (não lembro a unidade usada no exemplo), que é justamente a melhor fronteira de decisão para essa característica.

Ou seja, com essa variável ou "característica" (em inglês chamada de feature) é bem mais fácil diferenciar os Salmões dos Badejos (com um só IF!). Ainda assim, tem alguma confusão na região do valor de luminosidade igual a 11 (não lembro a unidade usada no exemplo), que é justamente a melhor fronteira de decisão para essa característica.

Ou seja, com essa variável ou "característica" (em inglês chamada de feature) é bem mais fácil diferenciar os Salmões dos Badejos (com um só IF!). Ainda assim, tem alguma confusão na região do valor de luminosidade próximo a 5,8 (não lembro a unidade usada no exemplo), que é justamente a melhor fronteira de decisão para essa característica.

Fim da Recompensa com 50 pontos de reputação concedidos por Largato
adicionou 1 caractere ao conteúdo
Fonte Link
Luiz Vieira
  • 34,5mil
  • 6
  • 91
  • 160

A linha separadora é também chamada de fronteira de decisão. Ela separa razoavelmente bem os peixes das amostras utilizadas para gerar o classificador (por isso são chamados de "dados de treinamento"), mas dá pra perceber que há ainda alguns erros, que podem se dever a falhas de medição das características ou a indivíduos foram do padrão (outliners) que talvez possam ser ignorados. Poderia-se tentar gerar um classificador EXATO (figura A abaixo), mas ele provavelmente estaria muito ajustado aos dados de exemplo (que podem ser pouco representativos ou conter erros de amostragem) e erraria por excesso (algo chamado sobreajuste ou overfitting). O ideal é gerar um modelo que aproxime o mundo real a partir dos dados de treinamento, e não meramente o replique. Talvez nesse exemplo seja mais interessente, ao invés de um separador linear (uma linha ou um plano), utilizar um separador polinomial (como uma curva próxima a uma equação do segundoterceiro grau, por exemplo, como na figura B abaixo).

A linha separadora é também chamada de fronteira de decisão. Ela separa razoavelmente bem os peixes das amostras utilizadas para gerar o classificador (por isso são chamados de "dados de treinamento"), mas dá pra perceber que há ainda alguns erros, que podem se dever a falhas de medição das características ou a indivíduos foram do padrão (outliners) que talvez possam ser ignorados. Poderia-se tentar gerar um classificador EXATO (figura A abaixo), mas ele provavelmente estaria muito ajustado aos dados de exemplo (que podem ser pouco representativos ou conter erros de amostragem) e erraria por excesso (algo chamado sobreajuste ou overfitting). O ideal é gerar um modelo que aproxime o mundo real a partir dos dados de treinamento, e não meramente o replique. Talvez nesse exemplo seja mais interessente, ao invés de um separador linear (uma linha ou um plano), utilizar um separador polinomial (como uma curva próxima a uma equação do segundo grau, por exemplo, como na figura B abaixo).

A linha separadora é também chamada de fronteira de decisão. Ela separa razoavelmente bem os peixes das amostras utilizadas para gerar o classificador (por isso são chamados de "dados de treinamento"), mas dá pra perceber que há ainda alguns erros, que podem se dever a falhas de medição das características ou a indivíduos foram do padrão (outliners) que talvez possam ser ignorados. Poderia-se tentar gerar um classificador EXATO (figura A abaixo), mas ele provavelmente estaria muito ajustado aos dados de exemplo (que podem ser pouco representativos ou conter erros de amostragem) e erraria por excesso (algo chamado sobreajuste ou overfitting). O ideal é gerar um modelo que aproxime o mundo real a partir dos dados de treinamento, e não meramente o replique. Talvez nesse exemplo seja mais interessente, ao invés de um separador linear (uma linha ou um plano), utilizar um separador polinomial (como uma curva próxima a uma equação do terceiro grau, por exemplo, como na figura B abaixo).

removeu 2 caracteres do conteúdo
Fonte Link
Luiz Vieira
  • 34,5mil
  • 6
  • 91
  • 160
  1. O SVM é treinado normalmente a partir dos dados de entrada, gerando um classificador capaz de prever a classe ao indicar um valor de score com sinal para uma nova amostra de teste (scores negativos indicam classe A, e positivos indicam classe B, por exemplo).

  2. Usando validação cruzada K-Fold, são realizados diversos testes para prever o resultado com as diferentes amostras. Dependendo da qualidade do classificador, ele vai acertar algumas vezes e errar outras, e tais resultados são contabilizados. Como se fazem vários testes com partições dos próprios dados de treinamento (o tal do K-Fold), o algoritmo naturalmente demora mais pra executar.

  3. Com a proporção de acertos nos testes, um modelo probabilístico (geralmente usando a função logística) é construído (ou "aprendido") ajustando-se os parâmetros da função logística, para que o resultado do classificador deixe de ser um score de distânciauma indicação binária y = sinal(f(x)) (isto é, y = sinal do valor de score da classe A ou B, dada a observação de x - sendo x o vetor de características) e passe a ser uma probabilidade P(y=1|x) ou P(y=-1|x) (isto é, a probabilidade condicional da amostra ser da classe A, ou B, dada a observação de x).

P.S.: Alguém poderia perguntar: por que fazer uma regressão logística com vários testes ao invés de utilizar diretamente o valor do score (e não somente seu sinal) como valor de regressão? A resposta é que isso se deve para evitar o sobreajuste. O score é uma medida muito individual de uma amostra (sua particular distância ao hiperplano), e a probabilidade baseada em diversos testes diminui os efeitos de amostras ruins (devido a erros de medição, por exemplo).

  1. O SVM é treinado normalmente a partir dos dados de entrada, gerando um classificador capaz de prever a classe ao indicar um valor de score com sinal para uma nova amostra de teste (scores negativos indicam classe A, e positivos indicam classe B, por exemplo).

  2. Usando validação cruzada K-Fold, são realizados diversos testes para prever o resultado com as diferentes amostras. Dependendo da qualidade do classificador, ele vai acertar algumas vezes e errar outras, e tais resultados são contabilizados. Como se fazem vários testes com partições dos próprios dados de treinamento (o tal do K-Fold), o algoritmo naturalmente demora mais pra executar.

  3. Com a proporção de acertos nos testes, um modelo probabilístico (geralmente usando a função logística) é construído (ou "aprendido") ajustando-se os parâmetros da função logística, para que o resultado do classificador deixe de ser um score de distância y = sinal(f(x)) (isto é, y = sinal do valor de score da classe A ou B, dada a observação de x - sendo x o vetor de características) e passe a ser uma probabilidade P(y=1|x) ou P(y=-1|x) (isto é, a probabilidade condicional da amostra ser da classe A, ou B, dada a observação de x).

  1. O SVM é treinado normalmente a partir dos dados de entrada, gerando um classificador capaz de prever a classe ao indicar um valor de score com sinal para uma nova amostra de teste (scores negativos indicam classe A, e positivos indicam classe B, por exemplo).

  2. Usando validação cruzada K-Fold, são realizados diversos testes para prever o resultado com as diferentes amostras. Dependendo da qualidade do classificador, ele vai acertar algumas vezes e errar outras, e tais resultados são contabilizados. Como se fazem vários testes com partições dos próprios dados de treinamento (o tal do K-Fold), o algoritmo naturalmente demora mais pra executar.

  3. Com a proporção de acertos nos testes, um modelo probabilístico (geralmente usando a função logística) é construído (ou "aprendido") ajustando-se os parâmetros da função logística, para que o resultado do classificador deixe de ser uma indicação binária y = sinal(f(x)) (isto é, y = sinal do valor de score da classe A ou B, dada a observação de x - sendo x o vetor de características) e passe a ser uma probabilidade P(y=1|x) ou P(y=-1|x) (isto é, a probabilidade condicional da amostra ser da classe A, ou B, dada a observação de x).

P.S.: Alguém poderia perguntar: por que fazer uma regressão logística com vários testes ao invés de utilizar diretamente o valor do score (e não somente seu sinal) como valor de regressão? A resposta é que isso se deve para evitar o sobreajuste. O score é uma medida muito individual de uma amostra (sua particular distância ao hiperplano), e a probabilidade baseada em diversos testes diminui os efeitos de amostras ruins (devido a erros de medição, por exemplo).

Inclusão de informações adicionais sobre o Plot Scalling.
Fonte Link
Luiz Vieira
  • 34,5mil
  • 6
  • 91
  • 160
Carregando
Fonte Link
Luiz Vieira
  • 34,5mil
  • 6
  • 91
  • 160
Carregando