Avaliar Modelo

Avalia resultado da aplicação de um modelo em dados de teste.

Conectores

Entrada Saída
Dados a serem avaliados e modelo de aprendizado. Não tem

Tarefa

Nome da Tarefa

Aba Execução

Parâmetro Detalhe
Atributo usado para predição Nome dado durante a aplicação do modelo ao atributo usado para avaliar a predição
Atributo usado como label Rótulo do atributo que contém a classe real
Métrica usada para avaliação Nome da métrica de avaliação que será usada

Aba Aparência

Aba Resultados

Definições

Métricas usadas para avaliação

Existem as seguintes métricas para realização a avaliação do modelo: - Area under ROC - Area under PR - F1 - Weighted Precision - Weighted Recall - Accuracy - Root Mean Squared Error - Mean Squared Error - Mean Absolute Error

Exemplo de Utilização

Objetivo: Classificar o tipo de íris da planta dado os atributos de pétala e sépala.

Base de Dados: Íris

Ler dados

  1. Adicione uma base de dados por meio da operação Ler dados. \ Formulário Ler Dados

  2. Na operação Converter categórico para numérico, selecione “class” no campo Atributos. Preencha “class_label” no campo Nome para novos atributos indexados. \ Formulário Converter Categórico

  3. Na operação Divisão Percentual, selecione 30%-70%. \ Formulário Divisão Percentual

  4. Adicione a operação Naive Bayes, selecione “petal_length”, “petal_width”, “sepal_length” e “sepal_width” no atributo Atributo com features e “class_label” no Atributo com rótulo. \ Formulário Naive Bayes

  5. Adicione a operação Aplicar modelo, selecione “petal_length”, “petal_width”, “sepal_length” e “sepal_width” no campo Atributos com as features e preencha “prediction” no campo Nome do novo atributo. \ Formulário Aplicar Modelo\ A ferramenta Aplicar modelo tem como objetivo retornar o resultado da aplicação de um modelo (neste exemplo, um modelo de classificação) em um conjunto. Este resultado é representado por predições feitas em um conjunto de dados de teste.

  6. Adicione a operação Avaliar Modelo selecione “prediction” no campo Atributo usado para predição, “class_label” no Atributo usado como label, “acurácia” em Métrica usada para avaliação. \ Formulário Avaliar Modelo

  7. Execute o modelo e observe os resultados. \ Gráfico esultado da avaliação\ Tabela resultado da avaliação\ Os resultados são satisfatórios para este tipo de classificador, uma vez que no conjunto de dados temos classes que não são linearmente separáveis. O foco, no entanto é exemplificar a aplicação de um determinado modelo em um conjunto de dados de teste.

Dúvidas e/ou sugestões envie um e-mail para suporte@lemonade.org.br