Resultados utilizando outras funções critério

Para verificar a eficiência do nosso método, também realizamos testes de seleção de características utilizando outros critérios. Foram utilizados como funções critério as taxas de acerto do classificador KNN, com $K=3$ para as seguintes estratégias:

• treinamento e teste com todo o conjunto;
• treinamento com $2/3$ do conjunto e testes com o restante;
• leave-one-out.

O gráfico da figura 5.23 mostra os resultados obtidos com essas funções critério em comparação com a nossa função critério e com a seleção dos 15 primeiros eigeneyes. No caso de nossa função critério, os resultados mostrados nesse gráfico são aqueles obtidos com os melhores valores de $\tau$. Cada coluna representa um critério utilizado (vide legenda lateral), sendo que, no eixo das abscissas, estão os métodos utilizados para testar os conjuntos obtidos a partir da seleção, enquanto no eixo das ordenadas estão as taxas de acerto em %. Parte desses resultados serão publicados em [Campos and Cesar-Jr, 2001].

.53outras.eps Resultados com funções critério baseadas no desempenho de classificadores em comparação com os resultados da função nebulosa e com a seleção dos 15 primeiros autovetores.

Obviamente, um conjunto que foi selecionado utilizando uma determinada estratégia de classificação proporciona resultados muito bons quando a mesma estratégia foi utilizada para avaliar o conjunto resultante. Os experimentos relacionados com o classificador KNN foram realizados utilizando $K=3$.

.8HIST_OUT.eps Histograma das características selecionadas através de funções critério baseadas no desempenho de classificadores.

A figura 5.24 mostra o histograma dos componentes selecionados utilizando as funções critério baseadas no desempenho de classificadores.

Comparando-se os resultados mostrados na figura 5.23, nota-se que, dentre essas funções critério, a que proporcionou melhores resultados quando o conjunto selecionado foi avaliado por outras estratégias de classificação foi KNN leave-one-out. Em segundo lugar, ficaram os resultados obtidos com a seleção dos 15 primeiros autovetores. Os resultados obtidos com nossa função critério ficaram em terceiro lugar. Esse é um resultado bastante promissor, já que os resultados obtidos com o uso do desempenho de classificadores como função critério são ``viciados'' a esses classificadores, proporcionando os melhores resultados. Porém, nota-se que a simples utilização das 15 primeiros características proporcionou melhores resultados que a nossa função critério em mais de metade dos experimentos. Isso sugere que nossa função critério deve ser aprimorada. A seguir há algumas sugestões de medidas para aprimorar nossa função critério.