v_apresentacao

Author: kamilyassis

RN_v2.ipynb RN.ipynb

@@ -564,32 +564,6 @@
     "X_resampled"
    ]
   },
-  {
-   "cell_type": "code",
-   "execution_count": 7,
-   "metadata": {},
-   "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "Classes após undersampling: Counter({0: 757, 1: 757})\n"
-     ]
-    }
-   ],
-   "source": [
-    "from imblearn.under_sampling import NearMiss\n",
-    "from collections import Counter\n",
-    "\n",
-    "nm = NearMiss(version=1)\n",
-    "\n",
-    "# Aplicando o undersampling\n",
-    "X_resampled, y_resampled = nm.fit_resample(X, y)\n",
-    "\n",
-    "# Contagem de classes após undersampling\n",
-    "print(\"Classes após undersampling:\", Counter(y_resampled))"
-   ]
-  },
   {
    "cell_type": "markdown",
    "metadata": {},
@@ -611,9 +585,9 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Neurônios por camada\n",
+    "- Neurônios por camada\n",
     "\n",
-    " $n \\le \\lfloor \\frac{\\lvert DS \\rvert - 10}{10\\times (d+2)} \\rfloor$ "
+    " $n\\Large \\le \\lfloor \\frac{\\lvert DS \\rvert - 10}{10\\times (d+2)} \\rfloor$ "
    ]
   },
   {
@@ -638,7 +612,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Separando em treino, teste e validação"
+    "- Separando em treino, teste e validação"
    ]
   },
   {
@@ -950,7 +924,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Matriz de Confusão"
+    "- Matriz de Confusão"
    ]
   },
   {
@@ -1032,14 +1006,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "O modelo está generalizando bem, porém apresenta uma acurácia baixa, o que indica que ele não está capturando completamente o padrão dos dados. Talvez por ter poucos dados, complexidade inadequada do modelo ou as características dos dados que precisam ser ajustadas."
-   ]
-  },
-  {
-   "cell_type": "markdown",
-   "metadata": {},
-   "source": [
-    "Regularização"
+    "- Regularização"
    ]
   },
   {
@@ -1620,7 +1587,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "Utilizando K-Fold Cross Validation"
+    "- Utilizando K-Fold Cross Validation"
    ]
   },
   {
@@ -1857,6 +1824,17 @@
     "_, accuracy_test = model.evaluate(X_test, y_test, batch_size=BATCH_SIZE, verbose=0)\n",
     "print(f'Acuracia (teste): {accuracy_test:.4f}')"
    ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Conclusão: \n",
+    "\n",
+    "O modelo está generalizando bem, porém apresenta uma acurácia baixa, o que indica que ele não está capturando completamente o padrão dos dados. Talvez por ter poucos dados, complexidade inadequada do modelo ou as características dos dados que precisam ser ajustadas.\n",
+    "\n",
+    "Ao aplicar o método de validação cruzada k-fold para testar a rede neural, esperava-se que essa técnica ajudasse a melhorar a robustez do modelo e os resultados gerais. No entanto, os resultados obtidos foram inferiores aos testes anteriores, sugerindo que o k-fold pode não ter sido a melhor abordagem neste contexto"
+   ]
   }
  ],
  "metadata": {