Mudanças entre as edições de "Experimentos de validação para o experimento 2.3.1.4"
(→Experimentos de validação para o experimento 2.3.1.4) |
(→Experimentos de validação para o experimento 2.3.1.4) |
||
Linha 32: | Linha 32: | ||
|- align="center" | |- align="center" | ||
| CNAE_110_SUBCLASSE | | CNAE_110_SUBCLASSE | ||
− | + | DADOS_BH_SUB_110 | |
| DESCRICAO_SUB | | DESCRICAO_SUB | ||
OBJETO_SOCIAL | OBJETO_SOCIAL | ||
| 0 a 1182 | | 0 a 1182 | ||
− | 0 a | + | 0 a 1164 |
| subclasse | | subclasse | ||
| TF | | TF | ||
| art. prep. | | art. prep. | ||
| 10000 | | 10000 | ||
− | | | + | | DADOS_BH_SUB_110 |
| OBJETO_SOCIAL | | OBJETO_SOCIAL | ||
− | | | + | | 1165 a 2330 |
| SUBCLASSE | | SUBCLASSE | ||
| TF | | TF | ||
Linha 54: | Linha 54: | ||
Podemos observar que os parâmetros ótimos são ?x? neurônios e ? sinapses. | Podemos observar que os parâmetros ótimos são ?x? neurônios e ? sinapses. | ||
− | [[Imagem:Experiment 2. | + | [[Imagem:Experiment 2.3.1.4.jpg|frame|center|130px|Figura 1: Resultados dos experimentos de validação para o experimento 2.3.1.4]] |
Edição das 11h09min de 31 de janeiro de 2008
Experimentos de validação para o experimento 2.3.1.4
Para ajustar o número de neurônios e sinapses por neurônio do WNN, o conjunto de treino(-e-validação) foi dividido em um conjunto de treino, usado para construir indutivamente o categorizador, e um conjunto de validação, usado para avaliar o desempenho do categorizador na série de experimentos para otimização de parâmetros. A tabela abaixo descreve os conjuntos de treino e validação.
Dados de Treino | Dados de Validação | Revisão
do SCAE | ||||||||||
Tabela | Coluna | Limites | Dicionário | PT | CGD | PFS | Tabela | Coluna | Limites | Nível | PT | |
CNAE_110_SUBCLASSE
DADOS_BH_SUB_110 |
DESCRICAO_SUB
OBJETO_SOCIAL |
0 a 1182
0 a 1164 |
subclasse | TF | art. prep. | 10000 | DADOS_BH_SUB_110 | OBJETO_SOCIAL | 1165 a 2330 | SUBCLASSE | TF | ? |
A Figura 1 apresenta os resultados dos experimentos de validação para o experimento 2.3.1.4. Esse gráfico mostra o desempenho do classificador em termos de (1 - one-error) em função do número de neurônios e sinapses por neurônio. Podemos observar que os parâmetros ótimos são ?x? neurônios e ? sinapses.