Especificação do Projeto de Redes Neurais [IF702]

projet_rn.md

Projeto de Redes Neurais (2012.2)

Informações Gerais

• Equipes de 4 pessoas
• Ao final do projeto
  • Entrega de relatório; e
  • Apresentação;

O projeto consiste em utilizar o Matlab para simular uma Rede Multilayer Perceptron com o script e os dados fornecidos no site da disciplina. Basicamente, o que se há de fazer é alterar o nome de rotinas no script e definir parâmetros da rede.

O Problema

A rede deverá ser utilizada para processar um problema de classificação de padrões aplicado para a prática de Cross Selling / venda casada.

Os Parâmetros que Devem Ser Obrigatoriamente Testados

Investigar diferentes topologias da rede e diferentes valores de parâmetros:

• Tamanho do conjunto de dados;
• Quantidade de unidades de processamento;
• Taxa de aprendizagem;
• Overfitting (utilizar conjuntos de treinamento, validação e testes para decidir quando parar o treinamento);

O Conjunto de Dados

Consiste numa base de dados com 40.700 casos de compra casada (sendo 40.000 de ofertas que não foram aceitas e 700 de ofertas que foram aceitas). Trata-se, portanto, de um conjunto de dados com classes desbalanceadas: uma classe (de ofertas não finalizadas/ aceitas) é muito maior que outra (ofertas finalizadas). Há duas abordagens para se tratar esse problema:

• Replicação (de casos da classe menos favorecida); ou
• Redução (de casos da classe mais favorecida);

Entregas

Divisão dos dados (07/03/2013)

Consiste em dividir os dados fornecidos em três conjuntos:

1. Conjunto de treinamento (50%)
2. Conjunto de validação (25%)
3. Conjunto de testes (25%)

Esquema de exmperimentação (14/03/2013)

Consiste em estabelecer quais parâmetros serão modificados (e como) e a sequência em que tais modificações ocorrerão. Isto é:

• Conjunto de parâmetros modificados;
• Sequência de modificações;

Análise de desempenho (26/03/2013 -- data do último acompanhamento, não necessariamente entrega da análise finalizada)

Analisar o desempenho obtido com diferentes conjuntos de parâmetros seguindo os modelos de análise de desempenho:

• Erro Médio Quadrado (MSE);
• Matriz de Confusão;
• Curvas ROC;

Final do projeto (16/04/2013)

Entrega final que consiste na entrega de relatório e apresentação mencionados abaixo.

Apresentação em sala

Máximo de 5 slides explicando:

• Processo de experimentação; e
• Análise de desempenho;

Entrega de relatório

Dissertando acerca dos tópicos:

• Modelo MLP;
• Divisão dos dados;
• Processo de experimentação; e
• Análise de desempenho;