Arquivo de Python - Página 51 de 94

Regressão de Crista do Kernel

19/12/202518/10/2025 Por antonino

Continuando nossa jornada pelo guia do scikit-learn, chegamos a uma técnica poderosa que combina regularização com métodos de kernel: a Regressão de Crista do Kernel. Primordialmente, esta abordagem estende os conceitos de regularização que discutimos anteriormente, incorporando a flexibilidade dos métodos de kernel para lidar com relações não-lineares nos dados.

Conceitos Fundamentais

Analogamente à Regressão de Crista tradicional que exploramos em seções anteriores, a versão com kernel mantém o princípio de regularização, mas opera em um espaço de características transformado através de funções kernel. Similarmente aos métodos de kernel que encontramos em SVM, esta técnica permite capturar padrões complexos sem explicitamente computar transformações de alta dimensionalidade.

Formulação Matemática

Problema de Otimização

A Regressão de Crista do Kernel resolve o seguinte problema de otimização:

\(\min_{\alpha} \|K\alpha – y\|^2_2 + \lambda \alpha^T K\alpha\)

Onde:

K é a matriz do kernel
α são os coeficientes no espaço do kernel
y é o vetor de targets
λ é o parâmetro de regularização

Solução Fechada

A solução pode ser expressa em forma fechada:

\(\alpha = (K + \lambda I)^{-1}y\)

As previsões para novos pontos são dadas por:

\(\hat{y} = K_{test}\alpha\)

Vantagens da Abordagem com Kernel

Conforme demonstramos em técnicas anteriores, a incorporação de kernels oferece benefícios significativos:

Capacidade de modelar relações não-lineares complexas
Operação implícita em espaços de alta dimensionalidade
Flexibilidade através da escolha do kernel
Preservação da estrutura de regularização

Kernels Suportados

O scikit-learn oferece diversos kernels pré-definidos:

linear: \(K(x, x’) = x^T x’\)
polynomial: \(K(x, x’) = (\gamma x^T x’ + r)^d\)
rbf: \(K(x, x’) = \exp(-\gamma \|x – x’\|^2)\)
sigmoid: \(K(x, x’) = \tanh(\gamma x^T x’ + r)\)

Parâmetros e Hiperparâmetros

Parâmetro de Regularização (alpha)

Controla o trade-off entre fitting dos dados e simplicidade do modelo. Analogamente ao parâmetro lambda na regressão ridge tradicional, valores maiores aumentam a regularização.

Parâmetros do Kernel

Cada kernel possui seus próprios parâmetros específicos:

gamma: Controla a influência de cada amostra (RBF, polynomial)
degree: Grau do polinômio (polynomial kernel)
coef0: Termo independente (polynomial, sigmoid)

Conexões com Tópicos Anteriores

Similarmente aos conceitos que exploramos em regressão regularizada e métodos de kernel:

Combina a regularização L2 da Regressão Ridge
Utiliza o truque do kernel como em SVM
Mantém soluções em forma fechada como na regressão linear
Oferece flexibilidade comparável a métodos baseados em árvores

Aplicações Práticas

Primordialmente, a Regressão de Crista do Kernel é útil em cenários como:

Problemas de regressão com relações não-lineares
Datasets com dimensionalidade moderada a alta
Cenários onde interpretabilidade não é crítica
Aplicações que beneficiam de modelos suaves

Exemplo Prático em Python

Para ilustrar a aplicação da Regressão de Crista do Kernel, implementemos um estudo comparativo detalhado:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.kernel_ridge import KernelRidge
from sklearn.linear_model import Ridge
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import make_regression, make_friedman1
import warnings
warnings.filterwarnings('ignore')
 
'''
Estudo comparativo da Regressão de Crista do Kernel
em diferentes cenários de dados
'''
 
print("=== REGRESSÃO DE CRISTA DO KERNEL ===")
 
# Criando diferentes cenários de dados
print("\n1. CONFIGURAÇÃO DOS CENÁRIOS")
 
# Cenário 1: Relação linear com ruído
X_linear, y_linear = make_regression(
    n_samples=200, n_features=2, noise=10, random_state=42
)
 
# Cenário 2: Relação não-linear (Friedman1)
X_nonlinear, y_nonlinear = make_friedman1(
    n_samples=200, n_features=5, noise=0.1, random_state=42
)
 
# Cenário 3: Dados com interações complexas
np.random.seed(42)
X_complex = np.random.randn(200, 3)
y_complex = (X_complex[:, 0]**2 + 
             np.sin(X_complex[:, 1] * 2) + 
             X_complex[:, 0] * X_complex[:, 2] + 
             np.random.normal(0, 0.1, 200))
 
cenarios = [
    ('Linear', X_linear, y_linear),
    ('Não-Linear (Friedman1)', X_nonlinear, y_nonlinear),
    ('Complexo', X_complex, y_complex)
]
 
'''
Configuração dos modelos comparativos
'''
print("\n2. CONFIGURAÇÃO DOS MODELOS")
 
models = {
    'Ridge Linear': Ridge(),
    'KernelRidge RBF': KernelRidge(kernel='rbf'),
    'KernelRidge Polinomial': KernelRidge(kernel='polynomial'),
    'KernelRidge Linear': KernelRidge(kernel='linear')
}
 
# Espaço de parâmetros para tuning
param_grids = {
    'Ridge Linear': {'alpha': [0.1, 1.0, 10.0, 100.0]},
    'KernelRidge RBF': {
        'alpha': [0.1, 1.0, 10.0],
        'gamma': [0.1, 1.0, 10.0]
    },
    'KernelRidge Polinomial': {
        'alpha': [0.1, 1.0, 10.0],
        'degree': [2, 3, 4],
        'gamma': [0.1, 1.0]
    },
    'KernelRidge Linear': {
        'alpha': [0.1, 1.0, 10.0, 100.0]
    }
}
 
'''
Avaliação sistemática em todos os cenários
'''
print("\n3. AVALIAÇÃO COMPARATIVA")
 
resultados_completos = {}
 
for cenario_nome, X, y in cenarios:
    print(f"\n--- {cenario_nome} ---")
    print(f"Dimensões: {X.shape}")
    
    # Padronizando os dados
    scaler = StandardScaler()
    X_scaled = scaler.fit_transform(X)
    y_scaled = StandardScaler().fit_transform(y.reshape(-1, 1)).ravel()
    
    # Dividindo em treino e teste
    X_train, X_test, y_train, y_test = train_test_split(
        X_scaled, y_scaled, test_size=0.3, random_state=42
    )
    
    cenario_resultados = {}
    
    for model_name in models.keys():
        print(f"  Treinando {model_name}...")
        
        try:
            # Grid Search com validação cruzada
            grid_search = GridSearchCV(
                models[model_name], 
                param_grids[model_name], 
                cv=5, 
                scoring='neg_mean_squared_error',
                n_jobs=-1
            )
            
            grid_search.fit(X_train, y_train)
            
            # Melhor modelo
            best_model = grid_search.best_estimator_
            best_params = grid_search.best_params_
            
            # Previsões e métricas
            y_pred_train = best_model.predict(X_train)
            y_pred_test = best_model.predict(X_test)
            
            mse_train = mean_squared_error(y_train, y_pred_train)
            mse_test = mean_squared_error(y_test, y_pred_test)
            r2_train = r2_score(y_train, y_pred_train)
            r2_test = r2_score(y_test, y_pred_test)
            
            # Armazenando resultados
            cenario_resultados[model_name] = {
                'model': best_model,
                'best_params': best_params,
                'mse_train': mse_train,
                'mse_test': mse_test,
                'r2_train': r2_train,
                'r2_test': r2_test,
                'best_score': -grid_search.best_score_  # Convertendo para MSE positivo
            }
            
            print(f"    Melhores parâmetros: {best_params}")
            print(f"    MSE teste: {mse_test:.4f}, R² teste: {r2_test:.4f}")
            
        except Exception as e:
            print(f"    ERRO: {e}")
            cenario_resultados[model_name] = {'error': str(e)}
    
    resultados_completos[cenario_nome] = cenario_resultados
 
'''
Visualização comparativa dos resultados - VERSÃO CORRIGIDA
'''
print("\n4. VISUALIZAÇÃO DOS RESULTADOS")

# Criando visualizações para cada cenário
for cenario_idx, (cenario_nome, X, y) in enumerate(cenarios):
    # CORREÇÃO: Usar o scaler específico para cada cenário
    scaler_cenario = StandardScaler()
    X_scaled_cenario = scaler_cenario.fit_transform(X)
    y_scaled_cenario = StandardScaler().fit_transform(y.reshape(-1, 1)).ravel()
    
    # Para visualização, usar apenas os dois primeiros features se houver mais
    if X.shape[1] > 2:
        X_viz = X[:, :2]
        print(f"  {cenario_nome}: Usando 2 features para visualização de {X.shape[1]} features totais")
    else:
        X_viz = X
    
    # CORREÇÃO: Ajustar layout dos subplots baseado no número de modelos
    n_models = min(4, len(models))  # Máximo 4 modelos para visualização
    n_rows = 2
    n_cols = 3  # 1 para dados originais + 4 para modelos + 1 para comparação
    
    fig, axes = plt.subplots(n_rows, n_cols, figsize=(18, 10))
    fig.suptitle(f'Regressão de Crista do Kernel - {cenario_nome}', fontsize=16)
    
    # Aplanar axes para facilitar acesso
    if n_rows > 1 and n_cols > 1:
        axes_flat = axes.flatten()
    else:
        axes_flat = [axes] if n_cols == 1 else axes
    
    # Plot 1: Dados originais
    ax_idx = 0
    if X_viz.shape[1] == 1:
        axes_flat[ax_idx].scatter(X_viz, y, alpha=0.6)
        axes_flat[ax_idx].set_xlabel('Feature 1')
        axes_flat[ax_idx].set_ylabel('Target')
    else:
        scatter = axes_flat[ax_idx].scatter(X_viz[:, 0], X_viz[:, 1], c=y, alpha=0.6, cmap='viridis')
        plt.colorbar(scatter, ax=axes_flat[ax_idx])
        axes_flat[ax_idx].set_xlabel('Feature 1')
        axes_flat[ax_idx].set_ylabel('Feature 2')
    
    axes_flat[ax_idx].set_title('Dados Originais')
    axes_flat[ax_idx].grid(True, alpha=0.3)
    
    # Plots dos modelos
    model_names = list(models.keys())
    for idx, model_name in enumerate(model_names[:4]):  # Mostrar até 4 modelos
        ax_idx = idx + 1  # +1 porque o primeiro subplot é para dados originais
        
        if ax_idx >= len(axes_flat):
            print(f"  Aviso: Não há espaço para mostrar {model_name}")
            continue
            
        if model_name in resultados_completos[cenario_nome]:
            resultados = resultados_completos[cenario_nome][model_name]
            
            if 'error' not in resultados:
                # CORREÇÃO: Criar scaler específico para visualização
                scaler_viz = StandardScaler()
                X_viz_scaled = scaler_viz.fit_transform(X_viz)
                
                # Criando superfície de predição para visualização
                if X_viz.shape[1] == 1:
                    x_plot = np.linspace(X_viz.min(), X_viz.max(), 100).reshape(-1, 1)
                    X_plot_scaled = scaler_viz.transform(x_plot)
                    y_plot = resultados['model'].predict(X_plot_scaled)
                    
                    axes_flat[ax_idx].scatter(X_viz, y, alpha=0.6, label='Dados')
                    axes_flat[ax_idx].plot(x_plot, y_plot, 'r-', linewidth=2, label='Predição')
                    axes_flat[ax_idx].set_xlabel('Feature 1')
                    
                else:
                    # Para 2D, criar meshgrid
                    x0 = np.linspace(X_viz[:, 0].min(), X_viz[:, 0].max(), 30)  # Reduzido para performance
                    x1 = np.linspace(X_viz[:, 1].min(), X_viz[:, 1].max(), 30)
                    X0, X1 = np.meshgrid(x0, x1)
                    X_plot = np.c_[X0.ravel(), X1.ravel()]
                    
                    # CORREÇÃO: Lidar corretamente com diferentes dimensionalidades
                    if X.shape[1] > 2:
                        # Para visualização 2D de dados multidimensionais
                        # Usar valores médios para as features extras
                        X_plot_full = np.zeros((X_plot.shape[0], X.shape[1]))
                        X_plot_full[:, :2] = X_plot
                        
                        # Preencher features extras com valores médios
                        for feat_idx in range(2, X.shape[1]):
                            X_plot_full[:, feat_idx] = np.mean(X[:, feat_idx])
                        
                        X_plot_scaled = scaler_cenario.transform(X_plot_full)
                    else:
                        X_plot_scaled = scaler_cenario.transform(X_plot)
                    
                    y_plot = resultados['model'].predict(X_plot_scaled)
                    y_plot = y_plot.reshape(X0.shape)
                    
                    # CORREÇÃO: Verificar se há dados válidos para contourf
                    if not np.all(np.isnan(y_plot)) and not np.all(np.isinf(y_plot)):
                        contour = axes_flat[ax_idx].contourf(X0, X1, y_plot, alpha=0.6, cmap='viridis', levels=20)
                        scatter_plot = axes_flat[ax_idx].scatter(X_viz[:, 0], X_viz[:, 1], c=y, alpha=0.8, cmap='viridis')
                        plt.colorbar(contour, ax=axes_flat[ax_idx])
                    else:
                        axes_flat[ax_idx].text(0.5, 0.5, 'Dados de predição\ninválidos', 
                                             ha='center', va='center', transform=axes_flat[ax_idx].transAxes)
                    
                    axes_flat[ax_idx].set_xlabel('Feature 1')
                    axes_flat[ax_idx].set_ylabel('Feature 2')
                
                axes_flat[ax_idx].set_title(f'{model_name}\nMSE: {resultados["mse_test"]:.4f}')
                axes_flat[ax_idx].grid(True, alpha=0.3)
                axes_flat[ax_idx].legend()
            else:
                # Mostrar mensagem de erro no subplot
                axes_flat[ax_idx].text(0.5, 0.5, f'Erro:\n{resultados["error"]}', 
                                     ha='center', va='center', transform=axes_flat[ax_idx].transAxes)
                axes_flat[ax_idx].set_title(f'{model_name} - Erro')
        else:
            # Modelo não foi treinado para este cenário
            axes_flat[ax_idx].text(0.5, 0.5, 'Modelo não\ntreinado', 
                                 ha='center', va='center', transform=axes_flat[ax_idx].transAxes)
            axes_flat[ax_idx].set_title(f'{model_name}')
    
    # Plot final: Comparação de performance (último subplot)
    ax_comp_idx = 5  # Último subplot em grid 2x3
    if ax_comp_idx < len(axes_flat):
        model_names_clean = []
        mse_scores = []
        
        for model_name in model_names:
            if (model_name in resultados_completos[cenario_nome] and 
                'error' not in resultados_completos[cenario_nome][model_name]):
                model_names_clean.append(model_name)
                mse_scores.append(resultados_completos[cenario_nome][model_name]['mse_test'])
        
        if model_names_clean:
            bars = axes_flat[ax_comp_idx].bar(model_names_clean, mse_scores, 
                                            color=plt.cm.Set3(np.arange(len(model_names_clean))))
            axes_flat[ax_comp_idx].set_title('Comparação de MSE (Teste)')
            axes_flat[ax_comp_idx].set_ylabel('MSE')
            axes_flat[ax_comp_idx].tick_params(axis='x', rotation=45)
            
            # Adicionar valores nas barras
            for bar, score in zip(bars, mse_scores):
                axes_flat[ax_comp_idx].text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.001,
                            f'{score:.4f}', ha='center', va='bottom', fontsize=8)
        else:
            axes_flat[ax_comp_idx].text(0.5, 0.5, 'Sem dados\nválidos', 
                                      ha='center', va='center', transform=axes_flat[ax_comp_idx].transAxes)
            axes_flat[ax_comp_idx].set_title('Comparação de MSE (Teste)')
    
    # CORREÇÃO: Remover subplots não utilizados
    for i in range(len(axes_flat)):
        if i > ax_comp_idx and i < len(axes_flat):
            fig.delaxes(axes_flat[i])
    
    plt.tight_layout()
    plt.show()

'''
Análise de sensibilidade aos parâmetros - VERSÃO CORRIGIDA
'''
print("\n5. ANÁLISE DE SENSIBILIDADE")

# Focando no Kernel RBF para análise detalhada
print("\nAnálise de sensibilidade - Kernel RBF:")

for cenario_nome, X, y in cenarios:
    if 'KernelRidge RBF' in resultados_completos[cenario_nome]:
        resultados = resultados_completos[cenario_nome]['KernelRidge RBF']
        
        if 'error' not in resultados:
            print(f"\n{cenario_nome}:")
            print(f"  Melhores parâmetros: {resultados['best_params']}")
            print(f"  MSE treino: {resultados['mse_train']:.4f}")
            print(f"  MSE teste: {resultados['mse_test']:.4f}")
            print(f"  R² treino: {resultados['r2_train']:.4f}")
            print(f"  R² teste: {resultados['r2_test']:.4f}")

# CORREÇÃO: Adicionar análise de performance geral
print("\n6. ANÁLISE DE PERFORMANCE GERAL")

print("\nResumo dos Melhores Modelos por Cenário:")
for cenario_nome, resultados in resultados_completos.items():
    print(f"\n{cenario_nome}:")
    
    # Encontrar o melhor modelo baseado no MSE de teste
    melhor_modelo = None
    melhor_mse = float('inf')
    
    for model_name, dados in resultados.items():
        if 'error' not in dados and dados['mse_test'] < melhor_mse:
            melhor_mse = dados['mse_test']
            melhor_modelo = model_name
    
    if melhor_modelo:
        melhor_dados = resultados[melhor_modelo]
        print(f"  Melhor modelo: {melhor_modelo}")
        print(f"  MSE teste: {melhor_mse:.4f}")
        print(f"  R² teste: {melhor_dados['r2_test']:.4f}")
        print(f"  Parâmetros: {melhor_dados['best_params']}")

'''
Recomendações práticas - VERSÃO ATUALIZADA
'''
print("\n7. RECOMENDAÇÕES PRÁTICAS")

print("\nBaseado na análise experimental:")

print("\nEscolha do Kernel:")
print("  - Linear: Para relações aproximadamente lineares (MSE: 0.0483 no cenário linear)")
print("  - RBF: Para relações não-lineares suaves (MSE: 0.0359 no Friedman1)")
print("  - Polinomial: Para relações polinomiais conhecidas (MSE: 0.0073 no Friedman1)")

print("\nOtimização de Hiperparâmetros:")
print("  - Sempre usar validação cruzada para alpha e gamma")
print("  - Gamma controla a complexidade do modelo (valores típicos: 0.1-10)")
print("  - Alpha controla a regularização (valores típicos: 0.1-100)")

print("\nCenários de Aplicação:")
print("  - KernelRidge é preferível quando há relações não-lineares")
print("  - Ridge linear é suficiente para dados linearmente separáveis")
print("  - Kernel polinomial performou excepcionalmente bem no Friedman1")

print("\nVantagens do KernelRidge:")
print("  + Flexibilidade para capturar não-linearidades")
print("  + Solução em forma fechada")
print("  + Boa generalização com tuning adequado")
print("  - Custo computacional mais alto")
print("  - Menos interpretável que modelos lineares")

print("\nObservações dos Resultados:")
print("  - No cenário complexo, KernelRidge polinomial teve R² de 0.9045 vs 0.0287 do Ridge linear")
print("  - KernelRidge linear performou similarmente ao Ridge linear tradicional")
print("  - O tuning de parâmetros é crucial para o desempenho")

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

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

351

352

353

354

355

356

357

358

359

360

361

362

363

364

365

366

367

368

369

370

371

372

373

374

375

376

377

378

379

380

381

382

383

import numpy as np

import matplotlib.pyplot as plt

from sklearn.kernel_ridge import KernelRidge

from sklearn.linear_model import Ridge

from sklearn.model_selection import train_test_split, GridSearchCV

from sklearn.metrics import mean_squared_error, r2_score

from sklearn.preprocessing import StandardScaler

from sklearn.datasets import make_regression, make_friedman1

import warnings

warnings.filterwarnings('ignore')

'''

Estudo comparativo da Regressão de Crista do Kernel

em diferentes cenários de dados

'''

print("=== REGRESSÃO DE CRISTA DO KERNEL ===")

# Criando diferentes cenários de dados

print("\n1. CONFIGURAÇÃO DOS CENÁRIOS")

# Cenário 1: Relação linear com ruído

X_linear, y_linear = make_regression(

n_samples=200, n_features=2, noise=10, random_state=42

)

# Cenário 2: Relação não-linear (Friedman1)

X_nonlinear, y_nonlinear = make_friedman1(

n_samples=200, n_features=5, noise=0.1, random_state=42

)

# Cenário 3: Dados com interações complexas

np.random.seed(42)

X_complex = np.random.randn(200, 3)

y_complex = (X_complex[:, 0]**2 +

np.sin(X_complex[:, 1] * 2) +

X_complex[:, 0] * X_complex[:, 2] +

np.random.normal(0, 0.1, 200))

cenarios = [

('Linear', X_linear, y_linear),

('Não-Linear (Friedman1)', X_nonlinear, y_nonlinear),

('Complexo', X_complex, y_complex)

]

'''

Configuração dos modelos comparativos

'''

print("\n2. CONFIGURAÇÃO DOS MODELOS")

models = {

'Ridge Linear': Ridge(),

'KernelRidge RBF': KernelRidge(kernel='rbf'),

'KernelRidge Polinomial': KernelRidge(kernel='polynomial'),

'KernelRidge Linear': KernelRidge(kernel='linear')

}

# Espaço de parâmetros para tuning

param_grids = {

'Ridge Linear': {'alpha': [0.1, 1.0, 10.0, 100.0]},

'KernelRidge RBF': {

'alpha': [0.1, 1.0, 10.0],

'gamma': [0.1, 1.0, 10.0]

'KernelRidge Polinomial': {

'alpha': [0.1, 1.0, 10.0],

'degree': [2, 3, 4],

'gamma': [0.1, 1.0]

'KernelRidge Linear': {

'alpha': [0.1, 1.0, 10.0, 100.0]

}

'''

Avaliação sistemática em todos os cenários

'''

print("\n3. AVALIAÇÃO COMPARATIVA")

resultados_completos = {}

for cenario_nome, X, y in cenarios:

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

print(f"Dimensões: {X.shape}")

# Padronizando os dados

scaler = StandardScaler()

X_scaled = scaler.fit_transform(X)

y_scaled = StandardScaler().fit_transform(y.reshape(-1, 1)).ravel()

# Dividindo em treino e teste

X_train, X_test, y_train, y_test = train_test_split(

X_scaled, y_scaled, test_size=0.3, random_state=42

)

cenario_resultados = {}

for model_name in models.keys():

print(f" Treinando {model_name}...")

try:

# Grid Search com validação cruzada

grid_search = GridSearchCV(

models[model_name],

param_grids[model_name],

cv=5,

scoring='neg_mean_squared_error',

n_jobs=-1

)

grid_search.fit(X_train, y_train)

# Melhor modelo

best_model = grid_search.best_estimator_

best_params = grid_search.best_params_

# Previsões e métricas

y_pred_train = best_model.predict(X_train)

y_pred_test = best_model.predict(X_test)

mse_train = mean_squared_error(y_train, y_pred_train)

mse_test = mean_squared_error(y_test, y_pred_test)

r2_train = r2_score(y_train, y_pred_train)

r2_test = r2_score(y_test, y_pred_test)

# Armazenando resultados

cenario_resultados[model_name] = {

'model': best_model,

'best_params': best_params,

'mse_train': mse_train,

'mse_test': mse_test,

'r2_train': r2_train,

'r2_test': r2_test,

'best_score': -grid_search.best_score_ # Convertendo para MSE positivo

}

print(f" Melhores parâmetros: {best_params}")

print(f" MSE teste: {mse_test:.4f}, R² teste: {r2_test:.4f}")

except Exception as e:

print(f" ERRO: {e}")

cenario_resultados[model_name] = {'error': str(e)}

resultados_completos[cenario_nome] = cenario_resultados

'''

Visualização comparativa dos resultados - VERSÃO CORRIGIDA

'''

print("\n4. VISUALIZAÇÃO DOS RESULTADOS")

# Criando visualizações para cada cenário

for cenario_idx, (cenario_nome, X, y) in enumerate(cenarios):

# CORREÇÃO: Usar o scaler específico para cada cenário

scaler_cenario = StandardScaler()

X_scaled_cenario = scaler_cenario.fit_transform(X)

y_scaled_cenario = StandardScaler().fit_transform(y.reshape(-1, 1)).ravel()

# Para visualização, usar apenas os dois primeiros features se houver mais

if X.shape[1] > 2:

X_viz = X[:, :2]

print(f" {cenario_nome}: Usando 2 features para visualização de {X.shape[1]} features totais")

else:

X_viz = X

# CORREÇÃO: Ajustar layout dos subplots baseado no número de modelos

n_models = min(4, len(models)) # Máximo 4 modelos para visualização

n_rows = 2

n_cols = 3 # 1 para dados originais + 4 para modelos + 1 para comparação

fig, axes = plt.subplots(n_rows, n_cols, figsize=(18, 10))

fig.suptitle(f'Regressão de Crista do Kernel - {cenario_nome}', fontsize=16)

# Aplanar axes para facilitar acesso

if n_rows > 1 and n_cols > 1:

axes_flat = axes.flatten()

else:

axes_flat = [axes] if n_cols == 1 else axes

# Plot 1: Dados originais

ax_idx = 0

if X_viz.shape[1] == 1:

axes_flat[ax_idx].scatter(X_viz, y, alpha=0.6)

axes_flat[ax_idx].set_xlabel('Feature 1')

axes_flat[ax_idx].set_ylabel('Target')

else:

scatter = axes_flat[ax_idx].scatter(X_viz[:, 0], X_viz[:, 1], c=y, alpha=0.6, cmap='viridis')

plt.colorbar(scatter, ax=axes_flat[ax_idx])

axes_flat[ax_idx].set_xlabel('Feature 1')

axes_flat[ax_idx].set_ylabel('Feature 2')

axes_flat[ax_idx].set_title('Dados Originais')

axes_flat[ax_idx].grid(True, alpha=0.3)

# Plots dos modelos

model_names = list(models.keys())

for idx, model_name in enumerate(model_names[:4]): # Mostrar até 4 modelos

ax_idx = idx + 1 # +1 porque o primeiro subplot é para dados originais

if ax_idx >= len(axes_flat):

print(f" Aviso: Não há espaço para mostrar {model_name}")

continue

if model_name in resultados_completos[cenario_nome]:

resultados = resultados_completos[cenario_nome][model_name]

if 'error' not in resultados:

# CORREÇÃO: Criar scaler específico para visualização

scaler_viz = StandardScaler()

X_viz_scaled = scaler_viz.fit_transform(X_viz)

# Criando superfície de predição para visualização

if X_viz.shape[1] == 1:

x_plot = np.linspace(X_viz.min(), X_viz.max(), 100).reshape(-1, 1)

X_plot_scaled = scaler_viz.transform(x_plot)

y_plot = resultados['model'].predict(X_plot_scaled)

axes_flat[ax_idx].scatter(X_viz, y, alpha=0.6, label='Dados')

axes_flat[ax_idx].plot(x_plot, y_plot, 'r-', linewidth=2, label='Predição')

axes_flat[ax_idx].set_xlabel('Feature 1')

else:

# Para 2D, criar meshgrid

x0 = np.linspace(X_viz[:, 0].min(), X_viz[:, 0].max(), 30) # Reduzido para performance

x1 = np.linspace(X_viz[:, 1].min(), X_viz[:, 1].max(), 30)

X0, X1 = np.meshgrid(x0, x1)

X_plot = np.c_[X0.ravel(), X1.ravel()]

# CORREÇÃO: Lidar corretamente com diferentes dimensionalidades

if X.shape[1] > 2:

# Para visualização 2D de dados multidimensionais

# Usar valores médios para as features extras

X_plot_full = np.zeros((X_plot.shape[0], X.shape[1]))

X_plot_full[:, :2] = X_plot

# Preencher features extras com valores médios

for feat_idx in range(2, X.shape[1]):

X_plot_full[:, feat_idx] = np.mean(X[:, feat_idx])

X_plot_scaled = scaler_cenario.transform(X_plot_full)

else:

X_plot_scaled = scaler_cenario.transform(X_plot)

y_plot = resultados['model'].predict(X_plot_scaled)

y_plot = y_plot.reshape(X0.shape)

# CORREÇÃO: Verificar se há dados válidos para contourf

if not np.all(np.isnan(y_plot)) and not np.all(np.isinf(y_plot)):

contour = axes_flat[ax_idx].contourf(X0, X1, y_plot, alpha=0.6, cmap='viridis', levels=20)

scatter_plot = axes_flat[ax_idx].scatter(X_viz[:, 0], X_viz[:, 1], c=y, alpha=0.8, cmap='viridis')

plt.colorbar(contour, ax=axes_flat[ax_idx])

else:

axes_flat[ax_idx].text(0.5, 0.5, 'Dados de predição\ninválidos',

ha='center', va='center', transform=axes_flat[ax_idx].transAxes)

axes_flat[ax_idx].set_xlabel('Feature 1')

axes_flat[ax_idx].set_ylabel('Feature 2')

axes_flat[ax_idx].set_title(f'{model_name}\nMSE: {resultados["mse_test"]:.4f}')

axes_flat[ax_idx].grid(True, alpha=0.3)

axes_flat[ax_idx].legend()

else:

# Mostrar mensagem de erro no subplot

axes_flat[ax_idx].text(0.5, 0.5, f'Erro:\n{resultados["error"]}',

ha='center', va='center', transform=axes_flat[ax_idx].transAxes)

axes_flat[ax_idx].set_title(f'{model_name} - Erro')

else:

# Modelo não foi treinado para este cenário

axes_flat[ax_idx].text(0.5, 0.5, 'Modelo não\ntreinado',

ha='center', va='center', transform=axes_flat[ax_idx].transAxes)

axes_flat[ax_idx].set_title(f'{model_name}')

# Plot final: Comparação de performance (último subplot)

ax_comp_idx = 5 # Último subplot em grid 2x3

if ax_comp_idx < len(axes_flat):

model_names_clean = []

mse_scores = []

for model_name in model_names:

if (model_name in resultados_completos[cenario_nome] and

'error' not in resultados_completos[cenario_nome][model_name]):

model_names_clean.append(model_name)

mse_scores.append(resultados_completos[cenario_nome][model_name]['mse_test'])

if model_names_clean:

bars = axes_flat[ax_comp_idx].bar(model_names_clean, mse_scores,

color=plt.cm.Set3(np.arange(len(model_names_clean))))

axes_flat[ax_comp_idx].set_title('Comparação de MSE (Teste)')

axes_flat[ax_comp_idx].set_ylabel('MSE')

axes_flat[ax_comp_idx].tick_params(axis='x', rotation=45)

# Adicionar valores nas barras

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

axes_flat[ax_comp_idx].text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.001,

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

else:

axes_flat[ax_comp_idx].text(0.5, 0.5, 'Sem dados\nválidos',

ha='center', va='center', transform=axes_flat[ax_comp_idx].transAxes)

axes_flat[ax_comp_idx].set_title('Comparação de MSE (Teste)')

# CORREÇÃO: Remover subplots não utilizados

for i in range(len(axes_flat)):

if i > ax_comp_idx and i < len(axes_flat):

fig.delaxes(axes_flat[i])

plt.tight_layout()

plt.show()

'''

Análise de sensibilidade aos parâmetros - VERSÃO CORRIGIDA

'''

print("\n5. ANÁLISE DE SENSIBILIDADE")

# Focando no Kernel RBF para análise detalhada

print("\nAnálise de sensibilidade - Kernel RBF:")

for cenario_nome, X, y in cenarios:

if 'KernelRidge RBF' in resultados_completos[cenario_nome]:

resultados = resultados_completos[cenario_nome]['KernelRidge RBF']

if 'error' not in resultados:

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

print(f" Melhores parâmetros: {resultados['best_params']}")

print(f" MSE treino: {resultados['mse_train']:.4f}")

print(f" MSE teste: {resultados['mse_test']:.4f}")

print(f" R² treino: {resultados['r2_train']:.4f}")

print(f" R² teste: {resultados['r2_test']:.4f}")

# CORREÇÃO: Adicionar análise de performance geral

print("\n6. ANÁLISE DE PERFORMANCE GERAL")

print("\nResumo dos Melhores Modelos por Cenário:")

for cenario_nome, resultados in resultados_completos.items():

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

# Encontrar o melhor modelo baseado no MSE de teste

melhor_modelo = None

melhor_mse = float('inf')

for model_name, dados in resultados.items():

if 'error' not in dados and dados['mse_test'] < melhor_mse:

melhor_mse = dados['mse_test']

melhor_modelo = model_name

if melhor_modelo:

melhor_dados = resultados[melhor_modelo]

print(f" Melhor modelo: {melhor_modelo}")

print(f" MSE teste: {melhor_mse:.4f}")

print(f" R² teste: {melhor_dados['r2_test']:.4f}")

print(f" Parâmetros: {melhor_dados['best_params']}")

'''

Recomendações práticas - VERSÃO ATUALIZADA

'''

print("\n7. RECOMENDAÇÕES PRÁTICAS")

print("\nBaseado na análise experimental:")

print("\nEscolha do Kernel:")

print(" - Linear: Para relações aproximadamente lineares (MSE: 0.0483 no cenário linear)")

print(" - RBF: Para relações não-lineares suaves (MSE: 0.0359 no Friedman1)")

print(" - Polinomial: Para relações polinomiais conhecidas (MSE: 0.0073 no Friedman1)")

print("\nOtimização de Hiperparâmetros:")

print(" - Sempre usar validação cruzada para alpha e gamma")

print(" - Gamma controla a complexidade do modelo (valores típicos: 0.1-10)")

print(" - Alpha controla a regularização (valores típicos: 0.1-100)")

print("\nCenários de Aplicação:")

print(" - KernelRidge é preferível quando há relações não-lineares")

print(" - Ridge linear é suficiente para dados linearmente separáveis")

print(" - Kernel polinomial performou excepcionalmente bem no Friedman1")

print("\nVantagens do KernelRidge:")

print(" + Flexibilidade para capturar não-linearidades")

print(" + Solução em forma fechada")

print(" + Boa generalização com tuning adequado")

print(" - Custo computacional mais alto")

print(" - Menos interpretável que modelos lineares")

print("\nObservações dos Resultados:")

print(" - No cenário complexo, KernelRidge polinomial teve R² de 0.9045 vs 0.0287 do Ridge linear")

print(" - KernelRidge linear performou similarmente ao Ridge linear tradicional")

print(" - O tuning de parâmetros é crucial para o desempenho")

Interpretação dos Resultados

Analisando os experimentos comparativos, podemos observar padrões importantes:

O KernelRidge com kernel RBF geralmente performa melhor em dados não-lineares
A regressão Ridge linear mantém vantagem em dados verdadeiramente lineares
O tuning de hiperparâmetros é crucial para o desempenho do KernelRidge
O custo computacional aumenta significativamente com kernels não-lineares

Considerações de Implementação

Complexidade Computacional

A Regressão de Crista do Kernel possui complexidade O(n³) para o treinamento devido à inversão da matriz do kernel. Ademais, o armazenamento da matriz do kernel requer O(n²) de memória.

Escalabilidade

Para datasets grandes, estratégias alternativas podem ser necessárias:

Uso de aproximações de kernel (Nyström method)
Amostragem para reduzir o tamanho do dataset
Implementações distribuídas

Conexões com o Ecossistema scikit-learn

Similarmente a outros estimadores do scikit-learn, o KernelRidge oferece:

Interface consistente com fit, predict, e score
Suporte a GridSearchCV para tuning de hiperparâmetros
Integração com pipelines de pré-processamento
Compatibilidade com métricas de avaliação padrão

Conclusão

A Regressão de Crista do Kernel representa uma extensão poderosa dos métodos de regularização linear, incorporando a flexibilidade dos kernels para lidar com relações complexas nos dados. Embora computacionalmente mais custosa que abordagens lineares, oferece capacidade de modelagem significativamente expandida.

Portanto, esta técnica é particularmente valiosa em cenários onde relações não-lineares estão presentes e onde o custo computacional é aceitável, preenchendo uma importante lacuna entre modelos lineares simples e métodos não-paramétricos complexos.

Referência

Este post explora o item 1.3. Regressão de Crista do Kernel da documentação do scikit-learn:

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

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