Arquivo de Aprendizado de Máquina - Página 7 de 12

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: Redução de Dimensionalidade usando Análise Discriminante Linear

19/12/202518/10/2025 Por antonino

Continuando nossa exploração da Análise Discriminante Linear, chegamos a uma aplicação particularmente valiosa: a redução de dimensionalidade. Enquanto anteriormente discutimos o LDA como classificador, agora focaremos em sua capacidade de projetar dados em espaços de menor dimensão preservando a separabilidade entre classes.

O Conceito de Redução de Dimensionalidade com LDA

Conforme observamos na seção anterior, o LDA busca encontrar eixos que maximizem a separação entre classes. Analogamente, quando aplicado para redução de dimensionalidade, o LDA identifica as direções que melhor discriminam as classes, projetando os dados em um espaço com dimensionalidade reduzida.

Fundamentos Matemáticos

O LDA para redução de dimensionalidade baseia-se na maximização do critério de Fisher:

\(J(w) = \frac{w^T S_B w}{w^T S_W w}\)

Onde:

S_B é a matriz de dispersão entre classes (between-class scatter)
S_W é a matriz de dispersão dentro das classes (within-class scatter)
w são os vetores de projeção que maximizam a separação

Inegavelmente, esta abordagem encontra automaticamente as direções que preservam a informação mais discriminativa dos dados.

Diferenças entre LDA e PCA

Embora tanto LDA quanto PCA realizem redução de dimensionalidade, seus objetivos fundamentais diferem significativamente:

PCA: Maximiza a variância total dos dados (não supervisionado)
LDA: Maximiza a separação entre classes (supervisionado)

Portanto, o LDA é especialmente útil quando temos labels disponíveis e queremos preservar a estrutura de classes durante a redução de dimensionalidade.

Implementação no scikit-learn

No scikit-learn, a redução de dimensionalidade com LDA é realizada através da mesma classe LinearDiscriminantAnalysis, mas especificando o número de componentes desejado:

O parâmetro n_components controla a dimensionalidade do espaço projetado
O número máximo de componentes é min(n_classes - 1, n_features)
O método transform realiza a projeção dos dados

Vantagens da Abordagem

Preserva a informação discriminativa entre classes
Reduz ruído e redundância nas features
Melhora a performance de classificadores subsequentes
Facilita visualização de dados multivariados

Aplicações Práticas

Primordialmente, a redução de dimensionalidade com LDA é útil em cenários como:

Pré-processamento para outros algoritmos de machine learning
Visualização de dados de alta dimensionalidade
Extração de features para sistemas de reconhecimento
Análise exploratória de dados com labels

Exemplo Prático em Python

Para ilustrar a redução de dimensionalidade com LDA, vejamos um exemplo completo com visualização:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.datasets import load_iris, make_classification
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import accuracy_score

'''
Demonstração da redução de dimensionalidade usando LDA
com comparação entre dados originais e projetados
'''

# Carregando dataset Iris como exemplo clássico
iris = load_iris()
X, y = iris.data, iris.target
feature_names = iris.feature_names
target_names = iris.target_names

print("=== INFORMAÇÕES DO DATASET ORIGINAL ===")
print(f"Dimensionalidade original: {X.shape}")
print(f"Número de classes: {len(np.unique(y))}")
print(f"Nomes das classes: {list(target_names)}")
print(f"Features originais: {list(feature_names)}")

'''
Aplicando LDA para redução de dimensionalidade
'''
# Primeiramente, padronizamos os dados
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# Aplicando LDA com redução para 2 componentes (máximo possível para 3 classes)
lda = LinearDiscriminantAnalysis(n_components=2)
X_lda = lda.fit_transform(X_scaled, y)

print(f"\n=== REDUÇÃO DE DIMENSIONALIDADE ===")
print(f"Dimensionalidade após LDA: {X_lda.shape}")
print(f"Variância explicada por componente: {lda.explained_variance_ratio_}")
print(f"Variância total explicada: {sum(lda.explained_variance_ratio_):.3f}")

'''
Visualização comparativa: dados originais vs dados projetados
'''
fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(18, 5))

# Plot 1: Duas features originais para comparação
for i, target_name in enumerate(target_names):
    ax1.scatter(X_scaled[y == i, 0], X_scaled[y == i, 1], 
                alpha=0.8, label=target_name)
ax1.set_title('Duas Features Originais (Padronizadas)')
ax1.set_xlabel('Comprimento da Sépala (padronizado)')
ax1.set_ylabel('Largura da Sépala (padronizado)')
ax1.legend()
ax1.grid(True, alpha=0.3)

# Plot 2: Projeção LDA
for i, target_name in enumerate(target_names):
    ax2.scatter(X_lda[y == i, 0], X_lda[y == i, 1], 
                alpha=0.8, label=target_name)
ax2.set_title('Projeção LDA (2 Componentes)')
ax2.set_xlabel('Componente LDA 1')
ax2.set_ylabel('Componente LDA 2')
ax2.legend()
ax2.grid(True, alpha=0.3)

# Plot 3: Apenas primeira componente LDA (1D)
for i, target_name in enumerate(target_names):
    ax3.scatter(X_lda[y == i, 0], np.zeros_like(X_lda[y == i, 0]), 
                alpha=0.8, label=target_name)
ax3.set_title('Projeção LDA (1 Componente)')
ax3.set_xlabel('Componente LDA 1')
ax3.set_yticks([])
ax3.legend()
ax3.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

'''
Avaliando o impacto na classificação
'''
print("\n=== IMPACTO NA CLASSIFICAÇÃO ===")

# Dividindo os dados
X_train, X_test, y_train, y_test = train_test_split(
    X_scaled, y, test_size=0.3, random_state=42
)

# Classificador nos dados originais
lda_original = LinearDiscriminantAnalysis()
lda_original.fit(X_train, y_train)
y_pred_original = lda_original.predict(X_test)
accuracy_original = accuracy_score(y_test, y_pred_original)

# Classificador nos dados reduzidos (2 componentes)
X_train_lda = lda.transform(X_train)
X_test_lda = lda.transform(X_test)

lda_reduced = LinearDiscriminantAnalysis()
lda_reduced.fit(X_train_lda, y_train)
y_pred_reduced = lda_reduced.predict(X_test_lda)
accuracy_reduced = accuracy_score(y_test, y_pred_reduced)

print(f"Acurácia com dados originais (4D): {accuracy_original:.3f}")
print(f"Acurácia com dados reduzidos (2D): {accuracy_reduced:.3f}")

'''
Exemplo com dataset de maior dimensionalidade
'''
print("\n=== EXEMPLO COM ALTA DIMENSIONALIDADE ===")

# Criando dataset artificial com mais features
X_high, y_high = make_classification(
    n_samples=200, n_features=20, n_informative=5, 
    n_redundant=10, n_classes=3, random_state=42
)

X_high_scaled = StandardScaler().fit_transform(X_high)

# LDA para redução
lda_high = LinearDiscriminantAnalysis(n_components=2)
X_high_lda = lda_high.fit_transform(X_high_scaled, y_high)

print(f"Dimensionalidade original: {X_high.shape}")
print(f"Dimensionalidade após LDA: {X_high_lda.shape}")

# Visualização da redução de 20D para 2D
plt.figure(figsize=(10, 6))
for i in range(3):
    plt.scatter(X_high_lda[y_high == i, 0], X_high_lda[y_high == i, 1], 
                alpha=0.7, label=f'Classe {i}')
plt.title('Redução LDA: 20D → 2D')
plt.xlabel('Componente LDA 1')
plt.ylabel('Componente LDA 2')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

'''
Análise dos componentes LDA
'''
print("\n=== ANÁLISE DOS COMPONENTES LDA ===")
print("Coeficientes dos componentes LDA (pesos das features originais):")

if hasattr(lda, 'scalings_'):
    for comp_idx in range(lda.scalings_.shape[1]):
        print(f"Componente {comp_idx + 1}:")
        for feat_idx, feat_name in enumerate(feature_names):
            weight = lda.scalings_[feat_idx, comp_idx]
            print(f"  {feat_name}: {weight:.3f}")

'''
Interpretação prática dos resultados
'''
print("\n=== INTERPRETAÇÃO PRÁTICA ===")
print("O LDA para redução de dimensionalidade oferece:")
print("1. Preservação da estrutura de classes em espaço reduzido")
print("2. Componentes que maximizam a separação entre grupos")
print("3. Visualização eficiente de dados multivariados")
print("4. Pré-processamento para algoritmos subsequentes")

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

import numpy as np

import matplotlib.pyplot as plt

from sklearn.discriminant_analysis import LinearDiscriminantAnalysis

from sklearn.datasets import load_iris, make_classification

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import StandardScaler

from sklearn.metrics import accuracy_score

'''

Demonstração da redução de dimensionalidade usando LDA

com comparação entre dados originais e projetados

'''

# Carregando dataset Iris como exemplo clássico

iris = load_iris()

X, y = iris.data, iris.target

feature_names = iris.feature_names

target_names = iris.target_names

print("=== INFORMAÇÕES DO DATASET ORIGINAL ===")

print(f"Dimensionalidade original: {X.shape}")

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

print(f"Nomes das classes: {list(target_names)}")

print(f"Features originais: {list(feature_names)}")

'''

Aplicando LDA para redução de dimensionalidade

'''

# Primeiramente, padronizamos os dados

scaler = StandardScaler()

X_scaled = scaler.fit_transform(X)

# Aplicando LDA com redução para 2 componentes (máximo possível para 3 classes)

lda = LinearDiscriminantAnalysis(n_components=2)

X_lda = lda.fit_transform(X_scaled, y)

print(f"\n=== REDUÇÃO DE DIMENSIONALIDADE ===")

print(f"Dimensionalidade após LDA: {X_lda.shape}")

print(f"Variância explicada por componente: {lda.explained_variance_ratio_}")

print(f"Variância total explicada: {sum(lda.explained_variance_ratio_):.3f}")

'''

Visualização comparativa: dados originais vs dados projetados

'''

fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(18, 5))

# Plot 1: Duas features originais para comparação

for i, target_name in enumerate(target_names):

ax1.scatter(X_scaled[y == i, 0], X_scaled[y == i, 1],

alpha=0.8, label=target_name)

ax1.set_title('Duas Features Originais (Padronizadas)')

ax1.set_xlabel('Comprimento da Sépala (padronizado)')

ax1.set_ylabel('Largura da Sépala (padronizado)')

ax1.legend()

ax1.grid(True, alpha=0.3)

# Plot 2: Projeção LDA

for i, target_name in enumerate(target_names):

ax2.scatter(X_lda[y == i, 0], X_lda[y == i, 1],

alpha=0.8, label=target_name)

ax2.set_title('Projeção LDA (2 Componentes)')

ax2.set_xlabel('Componente LDA 1')

ax2.set_ylabel('Componente LDA 2')

ax2.legend()

ax2.grid(True, alpha=0.3)

# Plot 3: Apenas primeira componente LDA (1D)

for i, target_name in enumerate(target_names):

ax3.scatter(X_lda[y == i, 0], np.zeros_like(X_lda[y == i, 0]),

alpha=0.8, label=target_name)

ax3.set_title('Projeção LDA (1 Componente)')

ax3.set_xlabel('Componente LDA 1')

ax3.set_yticks([])

ax3.legend()

ax3.grid(True, alpha=0.3)

plt.tight_layout()

plt.show()

'''

Avaliando o impacto na classificação

'''

print("\n=== IMPACTO NA CLASSIFICAÇÃO ===")

# Dividindo os dados

X_train, X_test, y_train, y_test = train_test_split(

X_scaled, y, test_size=0.3, random_state=42

)

# Classificador nos dados originais

lda_original = LinearDiscriminantAnalysis()

lda_original.fit(X_train, y_train)

y_pred_original = lda_original.predict(X_test)

accuracy_original = accuracy_score(y_test, y_pred_original)

# Classificador nos dados reduzidos (2 componentes)

X_train_lda = lda.transform(X_train)

X_test_lda = lda.transform(X_test)

lda_reduced = LinearDiscriminantAnalysis()

lda_reduced.fit(X_train_lda, y_train)

y_pred_reduced = lda_reduced.predict(X_test_lda)

accuracy_reduced = accuracy_score(y_test, y_pred_reduced)

print(f"Acurácia com dados originais (4D): {accuracy_original:.3f}")

print(f"Acurácia com dados reduzidos (2D): {accuracy_reduced:.3f}")

'''

Exemplo com dataset de maior dimensionalidade

'''

print("\n=== EXEMPLO COM ALTA DIMENSIONALIDADE ===")

# Criando dataset artificial com mais features

X_high, y_high = make_classification(

n_samples=200, n_features=20, n_informative=5,

n_redundant=10, n_classes=3, random_state=42

)

X_high_scaled = StandardScaler().fit_transform(X_high)

# LDA para redução

lda_high = LinearDiscriminantAnalysis(n_components=2)

X_high_lda = lda_high.fit_transform(X_high_scaled, y_high)

print(f"Dimensionalidade original: {X_high.shape}")

print(f"Dimensionalidade após LDA: {X_high_lda.shape}")

# Visualização da redução de 20D para 2D

plt.figure(figsize=(10, 6))

for i in range(3):

plt.scatter(X_high_lda[y_high == i, 0], X_high_lda[y_high == i, 1],

alpha=0.7, label=f'Classe {i}')

plt.title('Redução LDA: 20D → 2D')

plt.xlabel('Componente LDA 1')

plt.ylabel('Componente LDA 2')

plt.legend()

plt.grid(True, alpha=0.3)

plt.show()

'''

Análise dos componentes LDA

'''

print("\n=== ANÁLISE DOS COMPONENTES LDA ===")

print("Coeficientes dos componentes LDA (pesos das features originais):")

if hasattr(lda, 'scalings_'):

for comp_idx in range(lda.scalings_.shape[1]):

print(f"Componente {comp_idx + 1}:")

for feat_idx, feat_name in enumerate(feature_names):

weight = lda.scalings_[feat_idx, comp_idx]

print(f" {feat_name}: {weight:.3f}")

'''

Interpretação prática dos resultados

'''

print("\n=== INTERPRETAÇÃO PRÁTICA ===")

print("O LDA para redução de dimensionalidade oferece:")

print("1. Preservação da estrutura de classes em espaço reduzido")

print("2. Componentes que maximizam a separação entre grupos")

print("3. Visualização eficiente de dados multivariados")

print("4. Pré-processamento para algoritmos subsequentes")

Interpretação dos Resultados

Analisando o exemplo, podemos observar que:

O LDA consegue reduzir significativamente a dimensionalidade mantendo a separabilidade
Os componentes LDA capturam direções que maximizam a distância entre classes
Mesmo com redução drástica (de 20D para 2D), a estrutura discriminativa é preservada
A performance de classificação pode ser mantida ou mesmo melhorada com a redução

Considerações Importantes

Limitações do LDA

Embora poderoso, o LDA para redução de dimensionalidade tem algumas limitações:

Assume distribuição normal dos dados
Presume matrizes de covariância iguais entre classes
Número máximo de componentes é limitado pelo número de classes
Sensível a outliers nos dados

Melhores Práticas

Para obter os melhores resultados com LDA:

Sempre padronize os dados antes de aplicar LDA
Verifique os pressupostos quando possível
Use validação cruzada para determinar o número ideal de componentes
Combine com outras técnicas de pré-processamento quando necessário

Aplicações em Cenários Reais

Similarmente às aplicações que discutimos anteriormente, a redução de dimensionalidade com LDA é particularmente útil em:

Reconhecimento facial e biométrica
Análise de expressão gênica
Processamento de sinais médicos
Análise de documentos e texto

Portanto, o LDA representa uma ferramenta valiosa no arsenal de técnicas de redução de dimensionalidade, especialmente quando trabalhamos com dados supervisionados e buscamos preservar a informação discriminativa entre classes. Inclusive, sua combinação com outros métodos pode levar a soluções ainda mais robustas e eficientes.