Impacto da quantidade de características na classificação do Multilayer Perceptron

Abstract

Com a crescente área de big data, ciência de dados e aprendizado de máquina, principalmente aprendizagem profunda, diversas pesquisas estão sendo realizadas com o objetivo de obter a quantidade mínima necessária de características de um conjunto de dados. Para alcançar resultados computacionais satisfatórios (principalmente em relação ao tempo de processamento), estudos para reduzir a dimensionalidade dos dados são essenciais nos dias de hoje. O objetivo deste trabalho foi explorar a redução da quantidade de características e verificar a precisão na classificação de dados de imagem. A quantidade de características foi reduzida em 70% e o resultado da classificação manteve o percentual de verdadeiros positivos que o conjunto original possui.

With the growing area of big data, data science and machine learning, especially deep learning, several researches are being carried out with the aim of obtaining the minimum necessary number of characteristics from a data set. To achieve satisfactory computational results (mainly in relation to processing time), studies to reduce data dimensionality are essential nowadays. The objective of this work was to explore the reduction of the number of features and verify the accuracy in classifying image data. The number of features was reduced by 70% and the classification result maintained the percentage of true positives that the original set has.