Explique como ocorrem o empilhamento nas redes CFC e HC
Passo 1
O enunciado pede para explicar como se dá o empilhamento (stacking) em dois tipos de arquiteturas de ensemble de classificadores: as redes CFC (combinação de funções de classificação) e as redes HC (classificação hierárquica). Vamos recorrer aos conceitos de meta-classificação e de hierarquia de classificadores para mostrar como, em cada caso, os modelos são “empilhados” para formar um sistema de decisão mais robusto.
Passo 2
Empilhamento em redes CFC
- Em CFC a ideia é treinar um conjunto de
classificadores de nível zero, chamados de base learners, com o mesmo conjunto de dados de treinamento. - Cada base learner produz uma saída (tipicamente probabilidades ou rótulos) para cada amostra. Sejam
as predições do classificador na amostra . - Construímos então um novo conjunto de treinamento cujas características são justamente o vetor
e cujo alvo continua sendo o rótulo real
.
4. Sobre esse novo conjunto, treinamos um meta-classificador de nível um (o “stacker”), que aprende a combinar as saídas dos base learners e produz a predição final.
5. Para evitar overfitting, costuma-se usar validação cruzada na etapa dos base learners, de modo que as predições usadas no treinamento do meta-classificador sejam sempre out-of-fold.
4. Sobre esse novo conjunto, treinamos um meta-classificador de nível um (o “stacker”), que aprende a combinar as saídas dos
5. Para evitar overfitting, costuma-se usar validação cruzada na etapa dos base learners, de modo que as predições
Passo 3
Empilhamento em redes HC
- Em HC organizamos as classes em uma árvore ou em vários níveis hierárquicos de decisão, de modo que cada nó treina um classificador especializado em distinguir um grupo de subclasses.
- No nível mais alto (raiz), temos um classificador geral que decide em qual ramo da hierarquia a amostra deve seguir.
- A cada nível subsequente, um classificador local recebe a instância e a classe — ou o subconjunto de classes — escolhido no nível anterior, e refina a decisão até chegar a uma folha (uma classe final).
- O “empilhamento” aqui ocorre no fluxo de decisão: as saídas (ramos escolhidos) de um nó servem de entrada para o classificador do próximo nível, formando uma cadeia de modelos que vão afinando a predição até a classe final.
- Como cada nó vê só uma fração reduzida das classes, os classificadores locais podem ser mais simples e especializar-se em discriminar classes parecidas.
Resposta
Em redes CFC empilhamos
classificadores de nível zero cujas saídas viram as características de entrada de um meta-classificador de nível um, responsável por fazer a predição final. Já em redes HC a pilha é funcional: cada nó da hierarquia decide um subconjunto de classes e passa a instância adiante para o classificador do nível seguinte, até alcançar uma folha que indica a classe definitiva.