Redes Neurais
Projeto
Equipe:
Guilherme de Sousa Moura (gsm)
Paulo Amorim (prfa)
Roteiro




Metodologia
• Pré-Processamento
• Configurações
Treinamento
Resultados
Desempenho
• Curva ROC
• Matriz de Confusão
Metodologia (1/3)

Dados:
• Entrada -> 46 atributos
• Saida -> 2 atributos
 Classe 1 (40000)
 Classe 2 (700)
Metodologia (2/3)

Pré-Processamento:
• Divisão das Classes
 25% - teste
• Balanceamento das Classes
 2/3 restante – treinamento
 1/3 restante – validação
• Aleatorização dos dados
Metodologia (3/3)

Configurações:
• 20 exemplos





Nós da Camada Escondida (2,4,8,12,24)
Erro (MSE/SSE)
Número de Iterações (350-500)
Taxa de Aprendizagem (0.001,0.00001)
Treinamento
• Trainrp (backpropagation residual)
• Traingd (gradiente descendente)
Treinamento



40 Simulações (2x cada)
Média dos Resultados
• minimizar aleatoriedade da rede
Observações:
• Over-fiting
• Resultados não-confiáveis
Resultados (1/2)
Resultados (2/2)

Melhor Configuração De Rede:
• menor porcentagem de erro
• Sem over-fiting prematuro
Desempenho (1/2)

Curva ROC
• Dados de teste divididos por classe (a)
• Dados de teste aleatorizados (b)
(a)
(b)
Desempenho (2/2)

Matriz de Confusão
• Classe 01 – Positiva
• Classe 10 – Negativa
Classe
Positivos
Negativos
Preditos Positivos Preditos Negativos Precisão da Classe Precisão Total
7643
2357
88
87
98,86172552
3,559738134
75,97051597
• Classe 01 – Negativa
• Classe 10 – Positiva
Classe
Positivos
Negativos
Preditos Positivos Preditos Negativos Precisão da Classe Precisão Total
87
88
2357
7643
3,559738134
98,86172552
75,97051597