Mineração de dados para inferência da relação solo ... - IAC

dependente da qualidade da amostra. Como o algoritmo divide recursivamente oconjunto de dados de treinamento original, as divisões vão sendo avaliadas comamostras cada vez menores. Isto significa que as estimativas de erro têm menos acuráciaà medida que a árvore cresce.Com intuito de diminuir o número de regras geradas, minimizar este problema eevitar o super ajustamento dos dados de treinamento com árvores muito complexasrealizou-se a poda.Nesse estudo foi utilizado o método da pré-poda, na qual o crescimento daárvore é interrompido antes que a divisão seja considerada não-confiável. Esse métodousa um procedimento “passo único”. Este algoritmo corre através dos nós da árvore ou“de baixo para cima” ou “de cima para baixo”, decidindo para cada nó, se a podadeveria ser realizada de acordo com algum critério de avaliação.Assim, foram definidas três classes de poda, 20, 50 e 100, sendo que essesnúmeros representam o número mínimo de pixels que as regras devem chegar até que seencontre uma unidade de mapeamento de solo (folha da árvore). A partir da observaçãoda tabela 14 é possível verificar que há uma diminuição do tamanho da árvore e nonúmero de regras geradas com o aumento da poda, o que já era esperado. Assim, 48regras foram eliminadas com o aumento da poda de 20 para 100, enquanto aporcentagem do modelo permaneceu por volta de 54,9 % de acurácia. Esses resultadosindicam que algumas regras são essenciais no desenvolvimento do modelo, enquantooutras apenas aumentam a complexidade deste, além de não contribuírem para oaumento de acurácia.Tabela 14 – Diferentes classes de podas aplicadas nos dados com a melhor acurácia geral.Classes de poda Regras Acurácia (%)20 212 54,9550 178 54,94100 164 54,91A partir de testes de entropia e qui-quadrado foi possível verificar orankeamento dos atributos quanto à contribuição no modelo gerado. A tabela 15 ilustraa ordem de importância para a folha São Pedro para os dois testes.66