antonino, Autor em Área de Trampo

Análise Discriminante: Algoritmos de Estimativa

19/12/202518/10/2025 Por antonino

Continuando nossa exploração detalhada da Análise Discriminante, chegamos aos algoritmos de estimativa que fundamentam a implementação prática do LDA e QDA no scikit-learn. Conforme discutimos anteriormente sobre encolhimento e formulações matemáticas, a escolha do algoritmo de estimação impacta significativamente o desempenho e a estabilidade numérica destes classificadores.

O Desafio da Estimação em LDA e QDA

Analogamente aos problemas que identificamos nas seções anteriores sobre encolhimento, a estimação precisa das matrizes de covariância é crucial para o bom desempenho dos classificadores LDA e QDA. Primordialmente, os desafios incluem:

Inversão de matrizes potencialmente singulares
Estimação estável com dados de alta dimensionalidade
Balanceamento entre precisão e eficiência computacional
Tratamento de casos degenerados

Solvers Disponíveis no scikit-learn

O scikit-learn oferece diferentes algoritmos de estimação através do parâmetro solver, cada um com características específicas:

svd – Decomposição por Valores Singulares

Este solver evita explicitamente o cálculo da matriz de covariância, trabalhando diretamente com a decomposição SVD:

\(X = U \Sigma V^T\)

Vantagens:

Não calcula explicitamente a matriz de covariância
Mais estável numericamente
Funciona bem com dados de alta dimensionalidade
Não suporta shrinkage

lsqr – Mínimos Quadrados

Utiliza métodos iterativos de mínimos quadrados para estimação:

\(\min_w \|X w – y\|^2_2\)

Vantagens:

Suporta shrinkage
Eficiente para problemas de grande escala
Estável numericamente

eigen – Decomposição Espectral

Baseia-se na decomposição de autovalores da matriz de covariância:

\(\Sigma = Q \Lambda Q^T\)

Vantagens:

Suporta shrinkage
Computacionalmente eficiente para datasets menores
Interpretação geométrica clara

Seleção Automática do Solver

Quando o parâmetro solver não é especificado, o scikit-learn aplica regras heurísticas para seleção automática:

Se shrinkage não é usado: seleciona ‘svd’
Se shrinkage é usado: seleciona ‘lsqr’ ou ‘eigen’
Considera o número de features e amostras
Avalia a relação entre dimensionalidade e tamanho do dataset

Considerações de Performance

Complexidade Computacional

Cada solver possui características de complexidade distintas:

svd: O(min(n²p, np²)) para n amostras e p features
lsqr: O(n_iter × p²) dependendo da convergência
eigen: O(p³) para a decomposição espectral

Estabilidade Numérica

Conforme observamos nos experimentos com encolhimento, a estabilidade numérica varia entre os solvers:

svd: Mais estável, especialmente para matrizes de baixo rank
lsqr: Boa estabilidade com regularização apropriada
eigen: Pode ser sensível a matrizes mal-condicionadas

Conexões com Tópicos Anteriores

Similarmente aos conceitos de encolhimento que exploramos, a escolha do algoritmo de estimação:

Influencia diretamente a necessidade de técnicas de regularização
Determina a robustez em cenários de alta dimensionalidade
Afeta a capacidade de lidar com matrizes singulares
Impacta o trade-off entre precisão e eficiência computacional

Exemplo Prático em Python

Para ilustrar as diferenças entre os algoritmos de estimação, implementemos um estudo comparativo detalhado:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.datasets import make_classification, load_iris
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.metrics import accuracy_score
from sklearn.preprocessing import StandardScaler
import time
import warnings
warnings.filterwarnings('ignore')

'''
Estudo comparativo dos diferentes algoritmos de estimação (solvers)
disponíveis no LDA do scikit-learn
'''

print("=== COMPARAÇÃO DE ALGORITMOS DE ESTIMAÇÃO EM LDA ===")

# Criando diferentes cenários de dados
print("\n1. CONFIGURAÇÃO DOS CENÁRIOS DE TESTE")

# Cenário 1: Dataset balanceado com dimensionalidade moderada
X1, y1 = make_classification(
    n_samples=1000, n_features=20, n_informative=10,
    n_redundant=5, n_classes=3, random_state=42
)

# Cenário 2: Alta dimensionalidade com poucas amostras
X2, y2 = make_classification(
    n_samples=100, n_features=50, n_informative=10,
    n_redundant=30, n_classes=2, random_state=42
)

# Cenário 3: Dataset real (Iris) para referência
iris = load_iris()
X3, y3 = iris.data, iris.target

cenarios = [
    ('Moderado (1000x20)', X1, y1),
    ('Alta Dim (100x50)', X2, y2),
    ('Real (Iris)', X3, y3)
]

# Solvers a serem testados
solvers = ['svd', 'lsqr', 'eigen']
shrinkage_values = [None, 'auto', 0.5]

'''
Avaliação sistemática dos solvers em diferentes cenários
'''
print("\n2. AVALIAÇÃO DOS SOLVERS")

resultados_completos = {}

for cenario_nome, X, y in cenarios:
    print(f"\n--- {cenario_nome} ---")
    print(f"Dimensões: {X.shape}, Classes: {len(np.unique(y))}")
    
    # Padronizando os dados
    scaler = StandardScaler()
    X_scaled = scaler.fit_transform(X)
    
    # Dividindo em treino e teste
    X_train, X_test, y_train, y_test = train_test_split(
        X_scaled, y, test_size=0.3, random_state=42
    )
    
    cenario_resultados = {}
    
    for solver in solvers:
        for shrinkage in shrinkage_values:
            # Configuração específica para cada combinação
            if solver == 'svd' and shrinkage is not None:
                continue  # SVD não suporta shrinkage
            
            try:
                # Medindo tempo de treinamento
                start_time = time.time()
                
                if shrinkage is not None:
                    lda = LinearDiscriminantAnalysis(solver=solver, shrinkage=shrinkage)
                else:
                    lda = LinearDiscriminantAnalysis(solver=solver)
                
                # Treinamento
                lda.fit(X_train, y_train)
                train_time = time.time() - start_time
                
                # Previsões e acurácia
                y_pred = lda.predict(X_test)
                accuracy = accuracy_score(y_test, y_pred)
                
                # Validação cruzada para avaliação robusta
                cv_scores = cross_val_score(lda, X_scaled, y, cv=5)
                cv_mean = np.mean(cv_scores)
                cv_std = np.std(cv_scores)
                
                # Armazenando resultados
                config_key = f"{solver}_shrink{shrinkage}"
                cenario_resultados[config_key] = {
                    'solver': solver,
                    'shrinkage': shrinkage,
                    'accuracy': accuracy,
                    'cv_mean': cv_mean,
                    'cv_std': cv_std,
                    'train_time': train_time,
                    'model': lda
                }
                
                print(f"  {config_key}:")
                print(f"    Acurácia: {accuracy:.3f}, CV: {cv_mean:.3f} ± {cv_std:.3f}")
                print(f"    Tempo: {train_time:.4f}s")
                
            except Exception as e:
                print(f"  {config_key}: ERRO - {e}")
    
    resultados_completos[cenario_nome] = cenario_resultados

'''
Análise de performance computacional
'''
print("\n3. ANÁLISE DE PERFORMANCE COMPUTACIONAL")

# Coletando dados de tempo para comparação
fig, axes = plt.subplots(2, 2, figsize=(15, 12))

# Gráfico 1: Tempo de treinamento por cenário
for idx, (cenario_nome, resultados) in enumerate(resultados_completos.items()):
    ax = axes[0, 0] if idx == 0 else axes[0, 1] if idx == 1 else axes[1, 0]
    
    configs = []
    tempos = []
    
    for config_key, dados in resultados.items():
        configs.append(config_key)
        tempos.append(dados['train_time'])
    
    bars = ax.bar(configs, tempos, color=['blue', 'orange', 'green'][:len(configs)])
    ax.set_title(f'Tempo de Treinamento - {cenario_nome}')
    ax.set_ylabel('Tempo (segundos)')
    ax.tick_params(axis='x', rotation=45)
    
    # Adicionando valores nas barras
    for bar, tempo in zip(bars, tempos):
        ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.001,
                f'{tempo:.4f}s', ha='center', va='bottom', fontsize=8)

# Gráfico 2: Comparação de acurácia entre solvers
ax_acc = axes[1, 1]
solver_accuracies = {solver: [] for solver in solvers}

for cenario_nome, resultados in resultados_completos.items():
    for solver in solvers:
        # Buscando a melhor configuração para cada solver
        solver_configs = [k for k in resultados.keys() if k.startswith(solver)]
        if solver_configs:
            best_config = max(solver_configs, key=lambda k: resultados[k]['cv_mean'])
            solver_accuracies[solver].append(resultados[best_config]['cv_mean'])

# Plotando acurácias médias
cenario_nomes = [nome for nome, _ in cenarios]
x_pos = np.arange(len(cenario_nomes))
width = 0.25

for idx, solver in enumerate(solvers):
    if solver_accuracies[solver]:  # Verifica se há dados
        ax_acc.bar(x_pos + idx*width, solver_accuracies[solver], width, label=solver)

ax_acc.set_xlabel('Cenários')
ax_acc.set_ylabel('Acurácia (CV)')
ax_acc.set_title('Acurácia por Solver e Cenário')
ax_acc.set_xticks(x_pos + width)
ax_acc.set_xticklabels(cenario_nomes)
ax_acc.legend()
ax_acc.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

'''
Análise de estabilidade numérica
'''
print("\n4. ANÁLISE DE ESTABILIDADE NUMÉRICA")

# Testando casos extremos
print("\nCenários Extremos:")

# Caso 1: Mais features que amostras
X_extremo1, y_extremo1 = make_classification(
    n_samples=50, n_features=100, n_informative=10,
    n_classes=2, random_state=42
)

# Caso 2: Matriz quase singular
X_extremo2 = np.random.randn(200, 10)
# Criando correlações fortes para tornar a matriz quase singular
X_extremo2[:, 5] = X_extremo2[:, 4] + 0.01 * np.random.randn(200)
X_extremo2[:, 6] = X_extremo2[:, 4] + 0.01 * np.random.randn(200)
y_extremo2 = np.random.randint(0, 2, 200)

cenarios_extremos = [
    ('Mais Features (50x100)', X_extremo1, y_extremo1),
    ('Quase Singular (200x10)', X_extremo2, y_extremo2)
]

for cenario_nome, X, y in cenarios_extremos:
    print(f"\n{cenario_nome}:")
    X_scaled = StandardScaler().fit_transform(X)
    
    for solver in solvers:
        try:
            if solver == 'svd':
                lda = LinearDiscriminantAnalysis(solver=solver)
            else:
                lda = LinearDiscriminantAnalysis(solver=solver, shrinkage='auto')
            
            lda.fit(X_scaled, y)
            score = lda.score(X_scaled, y)
            print(f"  {solver}: OK (score: {score:.3f})")
            
        except Exception as e:
            print(f"  {solver}: FALHOU - {e}")

'''
Recomendações práticas baseadas nos resultados
'''
print("\n5. RECOMENDAÇÕES PRÁTICAS")

print("\nBaseado na análise experimental, recomenda-se:")

print("\nPara datasets gerais:")
print("  - Usar 'svd' como primeira opção (mais estável)")
print("  - Especificar solver apenas se necessário")
print("  - Deixar a seleção automática quando possível")

print("\nQuando usar shrinkage:")
print("  - Preferir 'lsqr' ou 'eigen'")
print("  - 'lsqr' geralmente mais robusto para alta dimensionalidade")
print("  - 'eigen' mais eficiente para datasets menores")

print("\nPara casos específicos:")
print("  - Alta dimensionalidade: 'svd' ou 'lsqr' com shrinkage")
print("  - Poucas amostras: 'svd' (evita problemas de singularidade)")
print("  - Datasets grandes: 'lsqr' (escalabilidade)")
print("  - Precisão máxima: testar múltiplos solvers com validação cruzada")

'''
Análise das propriedades dos solvers
'''
print("\n6. PROPRIEDADES DOS SOLVERS")

propriedades = {
    'svd': {
        'shrinkage': 'Não suportado',
        'estabilidade': 'Alta',
        'dimensionalidade': 'Alta compatibilidade',
        'casos_especiais': 'Excelente para matrizes singulares'
    },
    'lsqr': {
        'shrinkage': 'Suportado',
        'estabilidade': 'Média-Alta',
        'dimensionalidade': 'Boa escalabilidade',
        'casos_especiais': 'Bom com regularização'
    },
    'eigen': {
        'shrinkage': 'Suportado',
        'estabilidade': 'Média',
        'dimensionalidade': 'Limitada por p³',
        'casos_especiais': 'Sensível a mal-condicionamento'
    }
}

for solver, props in propriedades.items():
    print(f"\n{solver.upper()}:")
    for prop, valor in props.items():
        print(f"  {prop}: {valor}")

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

273

274

275

276

import numpy as np

import matplotlib.pyplot as plt

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

from sklearn.datasets import make_classification, load_iris

from sklearn.model_selection import train_test_split, cross_val_score

from sklearn.metrics import accuracy_score

from sklearn.preprocessing import StandardScaler

import time

import warnings

warnings.filterwarnings('ignore')

'''

Estudo comparativo dos diferentes algoritmos de estimação (solvers)

disponíveis no LDA do scikit-learn

'''

print("=== COMPARAÇÃO DE ALGORITMOS DE ESTIMAÇÃO EM LDA ===")

# Criando diferentes cenários de dados

print("\n1. CONFIGURAÇÃO DOS CENÁRIOS DE TESTE")

# Cenário 1: Dataset balanceado com dimensionalidade moderada

X1, y1 = make_classification(

n_samples=1000, n_features=20, n_informative=10,

n_redundant=5, n_classes=3, random_state=42

)

# Cenário 2: Alta dimensionalidade com poucas amostras

X2, y2 = make_classification(

n_samples=100, n_features=50, n_informative=10,

n_redundant=30, n_classes=2, random_state=42

)

# Cenário 3: Dataset real (Iris) para referência

iris = load_iris()

X3, y3 = iris.data, iris.target

cenarios = [

('Moderado (1000x20)', X1, y1),

('Alta Dim (100x50)', X2, y2),

('Real (Iris)', X3, y3)

]

# Solvers a serem testados

solvers = ['svd', 'lsqr', 'eigen']

shrinkage_values = [None, 'auto', 0.5]

'''

Avaliação sistemática dos solvers em diferentes cenários

'''

print("\n2. AVALIAÇÃO DOS SOLVERS")

resultados_completos = {}

for cenario_nome, X, y in cenarios:

print(f"\n--- {cenario_nome} ---")

print(f"Dimensões: {X.shape}, Classes: {len(np.unique(y))}")

# Padronizando os dados

scaler = StandardScaler()

X_scaled = scaler.fit_transform(X)

# Dividindo em treino e teste

X_train, X_test, y_train, y_test = train_test_split(

X_scaled, y, test_size=0.3, random_state=42

)

cenario_resultados = {}

for solver in solvers:

for shrinkage in shrinkage_values:

# Configuração específica para cada combinação

if solver == 'svd' and shrinkage is not None:

continue # SVD não suporta shrinkage

try:

# Medindo tempo de treinamento

start_time = time.time()

if shrinkage is not None:

lda = LinearDiscriminantAnalysis(solver=solver, shrinkage=shrinkage)

else:

lda = LinearDiscriminantAnalysis(solver=solver)

# Treinamento

lda.fit(X_train, y_train)

train_time = time.time() - start_time

# Previsões e acurácia

y_pred = lda.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)

# Validação cruzada para avaliação robusta

cv_scores = cross_val_score(lda, X_scaled, y, cv=5)

cv_mean = np.mean(cv_scores)

cv_std = np.std(cv_scores)

# Armazenando resultados

config_key = f"{solver}_shrink{shrinkage}"

cenario_resultados[config_key] = {

'solver': solver,

'shrinkage': shrinkage,

'accuracy': accuracy,

'cv_mean': cv_mean,

'cv_std': cv_std,

'train_time': train_time,

'model': lda

}

print(f" {config_key}:")

print(f" Acurácia: {accuracy:.3f}, CV: {cv_mean:.3f} ± {cv_std:.3f}")

print(f" Tempo: {train_time:.4f}s")

except Exception as e:

print(f" {config_key}: ERRO - {e}")

resultados_completos[cenario_nome] = cenario_resultados

'''

Análise de performance computacional

'''

print("\n3. ANÁLISE DE PERFORMANCE COMPUTACIONAL")

# Coletando dados de tempo para comparação

fig, axes = plt.subplots(2, 2, figsize=(15, 12))

# Gráfico 1: Tempo de treinamento por cenário

for idx, (cenario_nome, resultados) in enumerate(resultados_completos.items()):

ax = axes[0, 0] if idx == 0 else axes[0, 1] if idx == 1 else axes[1, 0]

configs = []

tempos = []

for config_key, dados in resultados.items():

configs.append(config_key)

tempos.append(dados['train_time'])

bars = ax.bar(configs, tempos, color=['blue', 'orange', 'green'][:len(configs)])

ax.set_title(f'Tempo de Treinamento - {cenario_nome}')

ax.set_ylabel('Tempo (segundos)')

ax.tick_params(axis='x', rotation=45)

# Adicionando valores nas barras

for bar, tempo in zip(bars, tempos):

ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.001,

f'{tempo:.4f}s', ha='center', va='bottom', fontsize=8)

# Gráfico 2: Comparação de acurácia entre solvers

ax_acc = axes[1, 1]

solver_accuracies = {solver: [] for solver in solvers}

for cenario_nome, resultados in resultados_completos.items():

for solver in solvers:

# Buscando a melhor configuração para cada solver

solver_configs = [k for k in resultados.keys() if k.startswith(solver)]

if solver_configs:

best_config = max(solver_configs, key=lambda k: resultados[k]['cv_mean'])

solver_accuracies[solver].append(resultados[best_config]['cv_mean'])

# Plotando acurácias médias

cenario_nomes = [nome for nome, _ in cenarios]

x_pos = np.arange(len(cenario_nomes))

width = 0.25

for idx, solver in enumerate(solvers):

if solver_accuracies[solver]: # Verifica se há dados

ax_acc.bar(x_pos + idx*width, solver_accuracies[solver], width, label=solver)

ax_acc.set_xlabel('Cenários')

ax_acc.set_ylabel('Acurácia (CV)')

ax_acc.set_title('Acurácia por Solver e Cenário')

ax_acc.set_xticks(x_pos + width)

ax_acc.set_xticklabels(cenario_nomes)

ax_acc.legend()

ax_acc.grid(True, alpha=0.3)

plt.tight_layout()

plt.show()

'''

Análise de estabilidade numérica

'''

print("\n4. ANÁLISE DE ESTABILIDADE NUMÉRICA")

# Testando casos extremos

print("\nCenários Extremos:")

# Caso 1: Mais features que amostras

X_extremo1, y_extremo1 = make_classification(

n_samples=50, n_features=100, n_informative=10,

n_classes=2, random_state=42

)

# Caso 2: Matriz quase singular

X_extremo2 = np.random.randn(200, 10)

# Criando correlações fortes para tornar a matriz quase singular

X_extremo2[:, 5] = X_extremo2[:, 4] + 0.01 * np.random.randn(200)

X_extremo2[:, 6] = X_extremo2[:, 4] + 0.01 * np.random.randn(200)

y_extremo2 = np.random.randint(0, 2, 200)

cenarios_extremos = [

('Mais Features (50x100)', X_extremo1, y_extremo1),

('Quase Singular (200x10)', X_extremo2, y_extremo2)

]

for cenario_nome, X, y in cenarios_extremos:

print(f"\n{cenario_nome}:")

X_scaled = StandardScaler().fit_transform(X)

for solver in solvers:

try:

if solver == 'svd':

lda = LinearDiscriminantAnalysis(solver=solver)

else:

lda = LinearDiscriminantAnalysis(solver=solver, shrinkage='auto')

lda.fit(X_scaled, y)

score = lda.score(X_scaled, y)

print(f" {solver}: OK (score: {score:.3f})")

except Exception as e:

print(f" {solver}: FALHOU - {e}")

'''

Recomendações práticas baseadas nos resultados

'''

print("\n5. RECOMENDAÇÕES PRÁTICAS")

print("\nBaseado na análise experimental, recomenda-se:")

print("\nPara datasets gerais:")

print(" - Usar 'svd' como primeira opção (mais estável)")

print(" - Especificar solver apenas se necessário")

print(" - Deixar a seleção automática quando possível")

print("\nQuando usar shrinkage:")

print(" - Preferir 'lsqr' ou 'eigen'")

print(" - 'lsqr' geralmente mais robusto para alta dimensionalidade")

print(" - 'eigen' mais eficiente para datasets menores")

print("\nPara casos específicos:")

print(" - Alta dimensionalidade: 'svd' ou 'lsqr' com shrinkage")

print(" - Poucas amostras: 'svd' (evita problemas de singularidade)")

print(" - Datasets grandes: 'lsqr' (escalabilidade)")

print(" - Precisão máxima: testar múltiplos solvers com validação cruzada")

'''

Análise das propriedades dos solvers

'''

print("\n6. PROPRIEDADES DOS SOLVERS")

propriedades = {

'svd': {

'shrinkage': 'Não suportado',

'estabilidade': 'Alta',

'dimensionalidade': 'Alta compatibilidade',

'casos_especiais': 'Excelente para matrizes singulares'

'lsqr': {

'shrinkage': 'Suportado',

'estabilidade': 'Média-Alta',

'dimensionalidade': 'Boa escalabilidade',

'casos_especiais': 'Bom com regularização'

'eigen': {

'shrinkage': 'Suportado',

'estabilidade': 'Média',

'dimensionalidade': 'Limitada por p³',

'casos_especiais': 'Sensível a mal-condicionamento'

}

for solver, props in propriedades.items():

print(f"\n{solver.upper()}:")

for prop, valor in props.items():

print(f" {prop}: {valor}")

Interpretação dos Resultados

Analisando os experimentos comparativos, podemos observar padrões importantes:

O solver svd demonstra maior estabilidade em cenários desafiadores
Os solvers lsqr e eigen são essenciais quando shrinkage é necessário
A seleção automática geralmente faz escolhas adequadas
Cada solver possui trade-offs específicos entre precisão, velocidade e estabilidade

Implicações Práticas

Escolha do Solver

Inegavelmente, a escolha do algoritmo de estimação deve considerar:

Características dos dados: dimensionalidade, tamanho da amostra, correlações
Requisitos de performance: tempo de treinamento vs precisão
Necessidade de regularização: uso de shrinkage ou outras técnicas
Robustez necessária: estabilidade em cenários variados

Boas Práticas

Conforme demonstrado nos experimentos, recomenda-se:

Começar com a configuração padrão (seleção automática)
Especificar o solver apenas quando necessário para casos específicos
Usar validação cruzada para comparar diferentes abordagens
Considerar o trade-off entre complexidade e benefícios

Conclusão

Os algoritmos de estimação representam a ponte entre as fundamentações matemáticas do LDA/QDA e sua aplicação prática eficiente. Embora as diferenças entre os solvers possam parecer técnicas, seu impacto no desempenho e robustez dos classificadores é significativo.

Portanto, compreender estas opções e saber quando utilizá-las permite extrair o máximo potencial dos classificadores discriminantes, adaptando-se adequadamente às características específicas de cada problema e conjunto de dados.

Referência

Este post explora o item 1.2.5. Algoritmos de estimativa da documentação do scikit-learn:

https://scikit-learn.org/0.21/modules/lda_qda.html

Análise Discriminante: Encolhimento (Shrinkage)

19/12/202518/10/2025 Por antonino

Continuando nossa análise detalhada da Análise Discriminante, chegamos a um conceito crucial para aplicações práticas: o encolhimento (shrinkage). Conforme discutimos anteriormente nas formulações matemáticas do LDA e QDA, a estimação precisa das matrizes de covariância é fundamental para o desempenho destes classificadores.

O Problema da Estimação de Covariância

Analogamente ao que observamos nas implementações anteriores, quando trabalhamos com dados de alta dimensionalidade ou tamanhos de amostra limitados, a estimação das matrizes de covariância torna-se desafiadora. Primordialmente, o problema surge porque:

O número de parâmetros a estimar cresce quadraticamente com o número de features
Matrizes de covariância podem tornar-se singular ou mal-condicionada
Estimativas de máxima verossimilhança podem ter alta variância

O Conceito de Encolhimento

O encolhimento é uma técnica de regularização que combina a matriz de covariância estimada dos dados com uma estrutura mais simples e estável. Similarmente a métodos de regularização que encontramos em regressão Ridge e Lasso, o shrinkage visa melhorar a generalização do modelo.

Formulação Matemática

Para o LDA, a matriz de covariância regularizada é dada por:

\(\Sigma_{shrunk} = (1 – \gamma) \Sigma_{empírico} + \gamma \Sigma_{estruturado}\)

Onde γ é o parâmetro de encolhimento que varia entre 0 e 1.

Tipos de Estruturas de Encolhimento

Encolhimento para a Matriz Identidade

Uma abordagem comum é encolher em direção à matriz identidade:

\(\Sigma_{shrunk} = (1 – \gamma) \Sigma + \gamma \frac{\text{tr}(\Sigma)}{d} I\)

Onde d é a dimensionalidade e tr(Σ) é o traço da matriz de covariância.

Encolhimento para Covariância Diagonal

Outra abordagem utiliza uma matriz diagonal como alvo:

\(\Sigma_{shrunk} = (1 – \gamma) \Sigma + \gamma \text{diag}(\Sigma)\)

Vantagens do Encolhimento

Conforme demonstramos nas implementações anteriores, o uso de shrinkage oferece benefícios significativos:

Melhora a condição numérica das matrizes de covariância
Reduz a variância das estimativas
Permite aplicação em dados de alta dimensionalidade
Melhora a performance de generalização

Seleção do Parâmetro de Encolhimento

O parâmetro γ controla o trade-off entre viés e variância:

γ = 0: Usa apenas a covariância empírica (alto risco de overfitting)
γ = 1: Usa apenas a estrutura alvo (alto viés, baixa variância)
Valores intermediários: Balanceiam viés e variância

Implementação no scikit-learn

No scikit-learn, o encolhimento está disponível através do parâmetro shrinkage nas classes LinearDiscriminantAnalysis e QuadraticDiscriminantAnalysis. Ademais, o parâmetro shrinkage_factor pode ser estimado automaticamente usando validação cruzada.

Exemplo Prático em Python

Para ilustrar os efeitos do encolhimento, implementemos um exemplo comparativo detalhado:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis, QuadraticDiscriminantAnalysis
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split, cross_val_score, GridSearchCV
from sklearn.metrics import accuracy_score, classification_report
from sklearn.preprocessing import StandardScaler
import warnings
warnings.filterwarnings('ignore')
 
'''
Demonstração dos efeitos do encolhimento (shrinkage) 
em classificadores LDA e QDA
'''
 
print("=== EFEITOS DO ENCOLHIMENTO EM LDA E QDA ===")
 
# Criando dataset com alta dimensionalidade e amostras limitadas
print("\n1. CONFIGURAÇÃO DO EXPERIMENTO")
X, y = make_classification(
    n_samples=100,  # Poucas amostras para destacar o efeito do shrinkage
    n_features=20,  # Alta dimensionalidade
    n_informative=5,
    n_redundant=10,
    n_classes=3,
    random_state=42
)
 
print(f"Dimensões do dataset: {X.shape}")
print(f"Número de classes: {len(np.unique(y))}")
 
# Padronizando os dados
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
 
# Dividindo em treino e teste
X_train, X_test, y_train, y_test = train_test_split(
    X_scaled, y, test_size=0.3, random_state=42
)
 
'''
Comparação de LDA com diferentes valores de shrinkage
'''
print("\n2. LDA COM DIFERENTES VALORES DE SHRINKAGE")
 
shrinkage_values = [None, 'auto', 0.1, 0.5, 0.9]
lda_results = {}
 
for shrinkage in shrinkage_values:
    if shrinkage == 'auto':
        lda = LinearDiscriminantAnalysis(solver='lsqr', shrinkage='auto')
    else:
        lda = LinearDiscriminantAnalysis(solver='lsqr', shrinkage=shrinkage)
    
    # Treinando o modelo
    lda.fit(X_train, y_train)
    
    # Fazendo previsões
    y_pred = lda.predict(X_test)
    accuracy = accuracy_score(y_test, y_pred)
    
    # Validação cruzada para avaliação robusta
    cv_scores = cross_val_score(lda, X_scaled, y, cv=5)
    
    lda_results[shrinkage] = {
        'model': lda,
        'accuracy': accuracy,
        'cv_mean': np.mean(cv_scores),
        'cv_std': np.std(cv_scores)
    }
    
    print(f"Shrinkage {shrinkage}:")
    print(f"  Acurácia teste: {accuracy:.3f}")
    print(f"  CV Score: {np.mean(cv_scores):.3f} ± {np.std(cv_scores):.3f}")
 
'''
Comparação de QDA com regularização
'''
print("\n3. QDA COM REGULARIZAÇÃO")
 
# QDA não tem parâmetro de shrinkage direto, mas usa reg_param
reg_param_values = [0.0, 0.1, 0.5, 0.9]
qda_results = {}
 
for reg_param in reg_param_values:
    qda = QuadraticDiscriminantAnalysis(reg_param=reg_param)
    
    # Treinando o modelo
    qda.fit(X_train, y_train)
    
    # Fazendo previsões
    y_pred = qda.predict(X_test)
    accuracy = accuracy_score(y_test, y_pred)
    
    # Validação cruzada
    cv_scores = cross_val_score(qda, X_scaled, y, cv=5)
    
    qda_results[reg_param] = {
        'model': qda,
        'accuracy': accuracy,
        'cv_mean': np.mean(cv_scores),
        'cv_std': np.std(cv_scores)
    }
    
    print(f"Reg_param {reg_param}:")
    print(f"  Acurácia teste: {accuracy:.3f}")
    print(f"  CV Score: {np.mean(cv_scores):.3f} ± {np.std(cv_scores):.3f}")
 
'''
Busca automática do melhor parâmetro de shrinkage
'''
print("\n4. BUSCA AUTOMÁTICA DO MELHOR SHRINKAGE")
 
# Usando GridSearchCV para encontrar o melhor shrinkage
param_grid = {
    'shrinkage': [None, 'auto', 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]
}
 
lda_gs = LinearDiscriminantAnalysis(solver='lsqr')
grid_search = GridSearchCV(lda_gs, param_grid, cv=5, scoring='accuracy')
grid_search.fit(X_scaled, y)
 
print(f"Melhor parâmetro de shrinkage: {grid_search.best_params_}")
print(f"Melhor score de validação cruzada: {grid_search.best_score_:.3f}")
 
'''
Visualização dos resultados - VERSÃO CORRIGIDA
'''
print("\n5. VISUALIZAÇÃO DOS RESULTADOS")

# Preparando dados para plotagem - CORREÇÃO: garantir tamanhos consistentes
shrinkage_labels = [str(s) for s in shrinkage_values]
lda_accuracies = [lda_results[s]['accuracy'] for s in shrinkage_values]
lda_cv_means = [lda_results[s]['cv_mean'] for s in shrinkage_values]
lda_cv_stds = [lda_results[s]['cv_std'] for s in shrinkage_values]

qda_reg_labels = [str(r) for r in reg_param_values]
qda_accuracies = [qda_results[r]['accuracy'] for r in reg_param_values]
qda_cv_means = [qda_results[r]['cv_mean'] for r in reg_param_values]
qda_cv_stds = [qda_results[r]['cv_std'] for r in reg_param_values]

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(15, 12))

# Plot 1: LDA - Acurácia vs Shrinkage
ax1.errorbar(range(len(shrinkage_labels)), lda_accuracies, 
             yerr=lda_cv_stds, fmt='o-', capsize=5, label='Teste ± CV std')
ax1.set_xticks(range(len(shrinkage_labels)))
ax1.set_xticklabels(shrinkage_labels)
ax1.set_xlabel('Valor de Shrinkage')
ax1.set_ylabel('Acurácia')
ax1.set_title('LDA: Acurácia vs Shrinkage')
ax1.legend()
ax1.grid(True, alpha=0.3)

# Plot 2: QDA - Acurácia vs Regularização
ax2.errorbar(range(len(qda_reg_labels)), qda_accuracies, 
             yerr=qda_cv_stds, fmt='o-', capsize=5, label='Teste ± CV std', color='orange')
ax2.set_xticks(range(len(qda_reg_labels)))
ax2.set_xticklabels(qda_reg_labels)
ax2.set_xlabel('Valor de reg_param')
ax2.set_ylabel('Acurácia')
ax2.set_title('QDA: Acurácia vs Regularização')
ax2.legend()
ax2.grid(True, alpha=0.3)

# Plot 3: Comparação LDA vs QDA no melhor parâmetro
best_lda_shrinkage = grid_search.best_params_['shrinkage']
best_lda_score = grid_search.best_score_

best_qda_reg = max(qda_results.items(), key=lambda x: x[1]['cv_mean'])[0]
best_qda_score = qda_results[best_qda_reg]['cv_mean']

models_comparison = ['LDA (melhor)', 'QDA (melhor)']
scores_comparison = [best_lda_score, best_qda_score]

bars = ax3.bar(models_comparison, scores_comparison, color=['blue', 'orange'])
ax3.set_ylabel('Acurácia (Validação Cruzada)')
ax3.set_title('Comparação: Melhor LDA vs Melhor QDA')
ax3.grid(True, alpha=0.3)

# Adicionando valores nas barras
for bar, score in zip(bars, scores_comparison):
    ax3.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.01,
             f'{score:.3f}', ha='center', va='bottom')

# Plot 4: Análise da estabilidade dos modelos - CORREÇÃO: garantir tamanhos iguais
shrinkage_stability = [lda_results[s]['cv_std'] for s in shrinkage_values]

# CORREÇÃO: Usar apenas os valores de reg_param que temos para QDA
reg_stability = [qda_results[r]['cv_std'] for r in reg_param_values]

# CORREÇÃO: Criar arrays com o mesmo tamanho para comparação
min_length = min(len(shrinkage_labels), len(qda_reg_labels))
x_pos = np.arange(min_length)
width = 0.35

ax4.bar(x_pos - width/2, shrinkage_stability[:min_length], width, label='LDA', alpha=0.7)
ax4.bar(x_pos + width/2, reg_stability[:min_length], width, label='QDA', alpha=0.7)
ax4.set_xticks(x_pos)
ax4.set_xticklabels(shrinkage_labels[:min_length])
ax4.set_xlabel('Parâmetro de Regularização')
ax4.set_ylabel('Desvio Padrão (CV)')
ax4.set_title('Estabilidade: Desvio Padrão na Validação Cruzada')
ax4.legend()
ax4.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

'''
Análise de casos extremos - VERSÃO CORRIGIDA
'''
print("\n6. ANÁLISE DE CASOS EXTREMOS")

# Caso com dimensionalidade ainda mais alta
print("Caso com alta dimensionalidade:")
X_high, y_high = make_classification(
    n_samples=50,   # Muito poucas amostras
    n_features=30,  # Dimensionalidade muito alta
    n_informative=5,
    n_classes=2,
    random_state=42
)

X_high_scaled = StandardScaler().fit_transform(X_high)

# Testando LDA sem e com shrinkage - CORREÇÃO: usar solver apropriado
try:
    lda_no_shrinkage = LinearDiscriminantAnalysis(solver='lsqr', shrinkage=None)
    lda_no_shrinkage.fit(X_high_scaled, y_high)
    score_no_shrink = lda_no_shrinkage.score(X_high_scaled, y_high)
    print(f"  LDA sem shrinkage: OK (score: {score_no_shrink:.3f})")
except Exception as e:
    print(f"  LDA sem shrinkage falhou: {e}")

lda_with_shrinkage = LinearDiscriminantAnalysis(solver='lsqr', shrinkage='auto')
lda_with_shrinkage.fit(X_high_scaled, y_high)
score_with_shrink = lda_with_shrinkage.score(X_high_scaled, y_high)
print(f"  LDA com shrinkage automático: OK (score: {score_with_shrink:.3f})")

'''
Interpretação prática dos resultados - VERSÃO ATUALIZADA
'''
print("\n7. INTERPRETAÇÃO PRÁTICA")
print("Os resultados demonstram que:")
print(f"  - Melhor shrinkage para LDA: {best_lda_shrinkage}")
print(f"  - Melhor reg_param para QDA: {best_qda_reg}")
print(f"  - Melhor score LDA: {best_lda_score:.3f}")
print(f"  - Melhor score QDA: {best_qda_score:.3f}")
print("  - O shrinkage melhora a estabilidade numérica do LDA")
print("  - Valores moderados de shrinkage geralmente oferecem o melhor trade-off")

print("\nRecomendações práticas:")
print("  - Use shrinkage quando tiver muitas features ou poucas amostras")
print("  - Experimente com 'auto' primeiro para uma configuração rápida")
print("  - Use validação cruzada para tuning fino do parâmetro")
print("  - Considere QDA com reg_param quando as covariâncias forem diferentes")

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

import numpy as np

import matplotlib.pyplot as plt

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis, QuadraticDiscriminantAnalysis

from sklearn.datasets import make_classification

from sklearn.model_selection import train_test_split, cross_val_score, GridSearchCV

from sklearn.metrics import accuracy_score, classification_report

from sklearn.preprocessing import StandardScaler

import warnings

warnings.filterwarnings('ignore')

'''

Demonstração dos efeitos do encolhimento (shrinkage)

em classificadores LDA e QDA

'''

print("=== EFEITOS DO ENCOLHIMENTO EM LDA E QDA ===")

# Criando dataset com alta dimensionalidade e amostras limitadas

print("\n1. CONFIGURAÇÃO DO EXPERIMENTO")

X, y = make_classification(

n_samples=100, # Poucas amostras para destacar o efeito do shrinkage

n_features=20, # Alta dimensionalidade

n_informative=5,

n_redundant=10,

n_classes=3,

random_state=42

)

print(f"Dimensões do dataset: {X.shape}")

print(f"Número de classes: {len(np.unique(y))}")

# Padronizando os dados

scaler = StandardScaler()

X_scaled = scaler.fit_transform(X)

# Dividindo em treino e teste

X_train, X_test, y_train, y_test = train_test_split(

X_scaled, y, test_size=0.3, random_state=42

)

'''

Comparação de LDA com diferentes valores de shrinkage

'''

print("\n2. LDA COM DIFERENTES VALORES DE SHRINKAGE")

shrinkage_values = [None, 'auto', 0.1, 0.5, 0.9]

lda_results = {}

for shrinkage in shrinkage_values:

if shrinkage == 'auto':

lda = LinearDiscriminantAnalysis(solver='lsqr', shrinkage='auto')

else:

lda = LinearDiscriminantAnalysis(solver='lsqr', shrinkage=shrinkage)

# Treinando o modelo

lda.fit(X_train, y_train)

# Fazendo previsões

y_pred = lda.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)

# Validação cruzada para avaliação robusta

cv_scores = cross_val_score(lda, X_scaled, y, cv=5)

lda_results[shrinkage] = {

'model': lda,

'accuracy': accuracy,

'cv_mean': np.mean(cv_scores),

'cv_std': np.std(cv_scores)

}

print(f"Shrinkage {shrinkage}:")

print(f" Acurácia teste: {accuracy:.3f}")

print(f" CV Score: {np.mean(cv_scores):.3f} ± {np.std(cv_scores):.3f}")

'''

Comparação de QDA com regularização

'''

print("\n3. QDA COM REGULARIZAÇÃO")

# QDA não tem parâmetro de shrinkage direto, mas usa reg_param

reg_param_values = [0.0, 0.1, 0.5, 0.9]

qda_results = {}

for reg_param in reg_param_values:

qda = QuadraticDiscriminantAnalysis(reg_param=reg_param)

# Treinando o modelo

qda.fit(X_train, y_train)

# Fazendo previsões

y_pred = qda.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)

# Validação cruzada

cv_scores = cross_val_score(qda, X_scaled, y, cv=5)

qda_results[reg_param] = {

'model': qda,

'accuracy': accuracy,

'cv_mean': np.mean(cv_scores),

'cv_std': np.std(cv_scores)

}

print(f"Reg_param {reg_param}:")

print(f" Acurácia teste: {accuracy:.3f}")

print(f" CV Score: {np.mean(cv_scores):.3f} ± {np.std(cv_scores):.3f}")

'''

Busca automática do melhor parâmetro de shrinkage

'''

print("\n4. BUSCA AUTOMÁTICA DO MELHOR SHRINKAGE")

# Usando GridSearchCV para encontrar o melhor shrinkage

param_grid = {

'shrinkage': [None, 'auto', 0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]

}

lda_gs = LinearDiscriminantAnalysis(solver='lsqr')

grid_search = GridSearchCV(lda_gs, param_grid, cv=5, scoring='accuracy')

grid_search.fit(X_scaled, y)

print(f"Melhor parâmetro de shrinkage: {grid_search.best_params_}")

print(f"Melhor score de validação cruzada: {grid_search.best_score_:.3f}")

'''

Visualização dos resultados - VERSÃO CORRIGIDA

'''

print("\n5. VISUALIZAÇÃO DOS RESULTADOS")

# Preparando dados para plotagem - CORREÇÃO: garantir tamanhos consistentes

shrinkage_labels = [str(s) for s in shrinkage_values]

lda_accuracies = [lda_results[s]['accuracy'] for s in shrinkage_values]

lda_cv_means = [lda_results[s]['cv_mean'] for s in shrinkage_values]

lda_cv_stds = [lda_results[s]['cv_std'] for s in shrinkage_values]

qda_reg_labels = [str(r) for r in reg_param_values]

qda_accuracies = [qda_results[r]['accuracy'] for r in reg_param_values]

qda_cv_means = [qda_results[r]['cv_mean'] for r in reg_param_values]

qda_cv_stds = [qda_results[r]['cv_std'] for r in reg_param_values]

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(15, 12))

# Plot 1: LDA - Acurácia vs Shrinkage

ax1.errorbar(range(len(shrinkage_labels)), lda_accuracies,

yerr=lda_cv_stds, fmt='o-', capsize=5, label='Teste ± CV std')

ax1.set_xticks(range(len(shrinkage_labels)))

ax1.set_xticklabels(shrinkage_labels)

ax1.set_xlabel('Valor de Shrinkage')

ax1.set_ylabel('Acurácia')

ax1.set_title('LDA: Acurácia vs Shrinkage')

ax1.legend()

ax1.grid(True, alpha=0.3)

# Plot 2: QDA - Acurácia vs Regularização

ax2.errorbar(range(len(qda_reg_labels)), qda_accuracies,

yerr=qda_cv_stds, fmt='o-', capsize=5, label='Teste ± CV std', color='orange')

ax2.set_xticks(range(len(qda_reg_labels)))

ax2.set_xticklabels(qda_reg_labels)

ax2.set_xlabel('Valor de reg_param')

ax2.set_ylabel('Acurácia')

ax2.set_title('QDA: Acurácia vs Regularização')

ax2.legend()

ax2.grid(True, alpha=0.3)

# Plot 3: Comparação LDA vs QDA no melhor parâmetro

best_lda_shrinkage = grid_search.best_params_['shrinkage']

best_lda_score = grid_search.best_score_

best_qda_reg = max(qda_results.items(), key=lambda x: x[1]['cv_mean'])[0]

best_qda_score = qda_results[best_qda_reg]['cv_mean']

models_comparison = ['LDA (melhor)', 'QDA (melhor)']

scores_comparison = [best_lda_score, best_qda_score]

bars = ax3.bar(models_comparison, scores_comparison, color=['blue', 'orange'])

ax3.set_ylabel('Acurácia (Validação Cruzada)')

ax3.set_title('Comparação: Melhor LDA vs Melhor QDA')

ax3.grid(True, alpha=0.3)

# Adicionando valores nas barras

for bar, score in zip(bars, scores_comparison):

ax3.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.01,

f'{score:.3f}', ha='center', va='bottom')

# Plot 4: Análise da estabilidade dos modelos - CORREÇÃO: garantir tamanhos iguais

shrinkage_stability = [lda_results[s]['cv_std'] for s in shrinkage_values]

# CORREÇÃO: Usar apenas os valores de reg_param que temos para QDA

reg_stability = [qda_results[r]['cv_std'] for r in reg_param_values]

# CORREÇÃO: Criar arrays com o mesmo tamanho para comparação

min_length = min(len(shrinkage_labels), len(qda_reg_labels))

x_pos = np.arange(min_length)

width = 0.35

ax4.bar(x_pos - width/2, shrinkage_stability[:min_length], width, label='LDA', alpha=0.7)

ax4.bar(x_pos + width/2, reg_stability[:min_length], width, label='QDA', alpha=0.7)

ax4.set_xticks(x_pos)

ax4.set_xticklabels(shrinkage_labels[:min_length])

ax4.set_xlabel('Parâmetro de Regularização')

ax4.set_ylabel('Desvio Padrão (CV)')

ax4.set_title('Estabilidade: Desvio Padrão na Validação Cruzada')

ax4.legend()

ax4.grid(True, alpha=0.3)

plt.tight_layout()

plt.show()

'''

Análise de casos extremos - VERSÃO CORRIGIDA

'''

print("\n6. ANÁLISE DE CASOS EXTREMOS")

# Caso com dimensionalidade ainda mais alta

print("Caso com alta dimensionalidade:")

X_high, y_high = make_classification(

n_samples=50, # Muito poucas amostras

n_features=30, # Dimensionalidade muito alta

n_informative=5,

n_classes=2,

random_state=42

)

X_high_scaled = StandardScaler().fit_transform(X_high)

# Testando LDA sem e com shrinkage - CORREÇÃO: usar solver apropriado

try:

lda_no_shrinkage = LinearDiscriminantAnalysis(solver='lsqr', shrinkage=None)

lda_no_shrinkage.fit(X_high_scaled, y_high)

score_no_shrink = lda_no_shrinkage.score(X_high_scaled, y_high)

print(f" LDA sem shrinkage: OK (score: {score_no_shrink:.3f})")

except Exception as e:

print(f" LDA sem shrinkage falhou: {e}")

lda_with_shrinkage = LinearDiscriminantAnalysis(solver='lsqr', shrinkage='auto')

lda_with_shrinkage.fit(X_high_scaled, y_high)

score_with_shrink = lda_with_shrinkage.score(X_high_scaled, y_high)

print(f" LDA com shrinkage automático: OK (score: {score_with_shrink:.3f})")

'''

Interpretação prática dos resultados - VERSÃO ATUALIZADA

'''

print("\n7. INTERPRETAÇÃO PRÁTICA")

print("Os resultados demonstram que:")

print(f" - Melhor shrinkage para LDA: {best_lda_shrinkage}")

print(f" - Melhor reg_param para QDA: {best_qda_reg}")

print(f" - Melhor score LDA: {best_lda_score:.3f}")

print(f" - Melhor score QDA: {best_qda_score:.3f}")

print(" - O shrinkage melhora a estabilidade numérica do LDA")

print(" - Valores moderados de shrinkage geralmente oferecem o melhor trade-off")

print("\nRecomendações práticas:")

print(" - Use shrinkage quando tiver muitas features ou poucas amostras")

print(" - Experimente com 'auto' primeiro para uma configuração rápida")

print(" - Use validação cruzada para tuning fino do parâmetro")

print(" - Considere QDA com reg_param quando as covariâncias forem diferentes")

Interpretação dos Resultados

Analisando os experimentos, podemos observar padrões importantes:

O encolhimento melhora significativamente a estabilidade dos classificadores
Valores intermediários de shrinkage geralmente produzem os melhores resultados
O parâmetro ‘auto’ oferece uma solução prática e eficiente
Em casos de alta dimensionalidade, o shrinkage torna-se essencial

Conexões com Tópicos Anteriores

Similarmente aos conceitos de regularização que discutimos em regressão linear, o encolhimento no LDA e QDA:

Balanceia o trade-off entre viés e variância
Melhora a generalização em dados limitados
Lida com problemas de multicolinearidade
Oferece robustez contra overfitting

Considerações Práticas

Quando Usar Encolhimento

Número de features maior que número de amostras
Matrizes de covariância singular ou mal-condicionada
Dados com alta correlação entre features
Aplicações onde robustez é mais importante que precisão máxima

Escolha do Parâmetro

Inegavelmente, a seleção do parâmetro de encolhimento deve considerar:

Usar validação cruzada para tuning
Começar com valores padrão ou ‘auto’
Considerar o trade-off entre performance e complexidade computacional
Avaliar a sensibilidade do modelo a diferentes valores

Conclusão

O encolhimento representa uma ferramenta essencial para aplicar LDA e QDA em cenários práticos, especialmente quando lidamos com as limitações de dados do mundo real. Embora adicione complexidade ao modelo, os benefícios em termos de robustez e generalização frequentemente justificam seu uso.

Portanto, ao implementar classificadores discriminantes em aplicações reais, o uso criterioso de técnicas de encolhimento pode significar a diferença entre um modelo que funciona bem na prática e um que falha devido a problemas numéricos ou overfitting.

Referência

Este post explora o item 1.2.4. Encolhimento da documentação do scikit-learn:

https://scikit-learn.org/0.21/modules/lda_qda.html