Anteriormente exploramos a Elastic Net para problemas de regressão com um único target. Analogamente, o MultiTaskElasticNet estende essa abordagem para problemas com múltiplos targets, combinando as vantagens da Elastic Net com o aprendizado multitarefa.
Conceito Fundamental do MultiTaskElasticNet
Primordialmente, o MultiTaskElasticNet é uma generalização da Elastic Net para problemas de regressão multivariada. Decerto, ele assume que as diferentes tarefas de regressão compartilham a mesma estrutura esparsa nas features relevantes, enquanto combina as penalidades L1 e L2.
Conforme a documentação do scikit-learn, o MultiTaskElasticNet é particularmente útil quando temos múltiplos targets correlacionados e desejamos realizar seleção de features de forma coerente através de todas as tarefas. Similarmente ao MultiTaskLasso, ele promove que as mesmas features sejam selecionadas para todos os targets.
Formulação Matemática
O objetivo do MultiTaskElasticNet é minimizar a seguinte função:
\(\min_{W} \frac{1}{2n}||XW – Y||_F^2 + \alpha\rho||W||_{21} + \frac{\alpha(1-\rho)}{2}||W||_F^2\)Onde:
- X é a matriz de features \((n \times p)\)
- Y é a matriz de targets \((n \times k)\)
- W é a matriz de coeficientes \((p \times k)\)
- α é o parâmetro de regularização principal
- ρ é a razão de mistura L1 (l1_ratio)
- ||W||₂₁ é a norma mista L₂₁ (soma das normas L₂ das linhas)
- ||W||_F² é a norma de Frobenius ao quadrado
Características Principais
Inegavelmente, o MultiTaskElasticNet combina as melhores propriedades de várias técnicas:
- Seleção coerente de features: Mesmas features selecionadas para todos os targets
- Regularização mista: Combina penalidades L1 e L2 como a Elastic Net
- Aprendizado multitarefa: Transferência de conhecimento entre tarefas relacionadas
Estabilidade com correlação: Robustez com features correlacionadas
Vantagens sobre Abordagens Individuais
Embora treinar Elastic Nets separadas para cada target seja possível, o MultiTaskElasticNet oferece benefícios significativos:
- Consistência: Mesmo conjunto de features selecionado para todas as tarefas
- Eficiência estatística: Melhor uso dos dados através do compartilhamento de informação
- Robustez: Mais estável com alta dimensionalidade
- Interpretabilidade: Modelo único e coerente para todas as tarefas
Exemplo Prático: MultiTaskElasticNet em Ação
Ademais, vejamos um exemplo completo demonstrando o uso do MultiTaskElasticNet:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 |
''' Aplicação do MultiTaskElasticNet para Regressão Multivariada Este exemplo demonstra como o MultiTaskElasticNet combina seleção coerente de features com regularização mista L1/L2 ''' import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_regression from sklearn.linear_model import MultiTaskElasticNet, MultiTaskLasso, ElasticNet from sklearn.model_selection import train_test_split, GridSearchCV from sklearn.preprocessing import StandardScaler from sklearn.metrics import mean_squared_error, r2_score # Gerar dataset com múltiplos targets correlacionados n_samples = 800 n_features = 25 n_tasks = 4 # Número de targets n_informative = 10 # Features realmente informativas print("Configuração do Dataset Multitarefa:") print(f"Número de amostras: {n_samples}") print(f"Número de features: {n_features}") print(f"Número de targets (tarefas): {n_tasks}") print(f"Features informativas: {n_informative}") # Gerar dados com estrutura comum entre tarefas X, Y = make_regression(n_samples=n_samples, n_features=n_features, n_targets=n_tasks, n_informative=n_informative, noise=20, random_state=42) # Adicionar correlação entre os targets correlation_matrix = np.array([[1.0, 0.8, 0.6, 0.4], [0.8, 1.0, 0.7, 0.5], [0.6, 0.7, 1.0, 0.6], [0.4, 0.5, 0.6, 1.0]]) L = np.linalg.cholesky(correlation_matrix) Y = Y @ L.T print(f"\nDimensões: X {X.shape}, Y {Y.shape}") # Dividir em treino e teste X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3, random_state=42) # Normalizar os dados scaler_X = StandardScaler() scaler_Y = StandardScaler() X_train_scaled = scaler_X.fit_transform(X_train) X_test_scaled = scaler_X.transform(X_test) Y_train_scaled = scaler_Y.fit_transform(Y_train) Y_test_scaled = scaler_Y.transform(Y_test) print(f"\n--- Comparação: MultiTaskElasticNet vs Abordagens Alternativas ---") # MultiTaskElasticNet multi_en = MultiTaskElasticNet(alpha=0.1, l1_ratio=0.5, max_iter=10000, random_state=42) multi_en.fit(X_train_scaled, Y_train_scaled) Y_pred_multi_en = multi_en.predict(X_test_scaled) mse_multi_en = mean_squared_error(Y_test_scaled, Y_pred_multi_en) r2_multi_en = r2_score(Y_test_scaled, Y_pred_multi_en) # MultiTaskLasso (para comparação) multi_lasso = MultiTaskLasso(alpha=0.1, max_iter=10000, random_state=42) multi_lasso.fit(X_train_scaled, Y_train_scaled) Y_pred_multi_lasso = multi_lasso.predict(X_test_scaled) mse_multi_lasso = mean_squared_error(Y_test_scaled, Y_pred_multi_lasso) r2_multi_lasso = r2_score(Y_test_scaled, Y_pred_multi_lasso) # Elastic Net individual para cada tarefa individual_results = [] individual_coefs = [] for task in range(n_tasks): en = ElasticNet(alpha=0.1, l1_ratio=0.5, max_iter=10000, random_state=42) en.fit(X_train_scaled, Y_train_scaled[:, task]) y_pred = en.predict(X_test_scaled) mse = mean_squared_error(Y_test_scaled[:, task], y_pred) r2 = r2_score(Y_test_scaled[:, task], y_pred) individual_results.append({'mse': mse, 'r2': r2}) individual_coefs.append(en.coef_) # Calcular médias para abordagem individual avg_mse_individual = np.mean([r['mse'] for r in individual_results]) avg_r2_individual = np.mean([r['r2'] for r in individual_results]) print(f"\nMultiTaskElasticNet:") print(f"MSE total: {mse_multi_en:.4f}") print(f"R² total: {r2_multi_en:.4f}") print(f"Features selecionadas: {np.sum(np.any(multi_en.coef_ != 0, axis=1))}") print(f"\nMultiTaskLasso:") print(f"MSE total: {mse_multi_lasso:.4f}") print(f"R² total: {r2_multi_lasso:.4f}") print(f"Features selecionadas: {np.sum(np.any(multi_lasso.coef_ != 0, axis=1))}") print(f"\nElastic Net Individual (média):") print(f"MSE médio: {avg_mse_individual:.4f}") print(f"R² médio: {avg_r2_individual:.4f}") # Otimização dos hiperparâmetros do MultiTaskElasticNet print(f"\n--- Otimização dos Hiperparâmetros do MultiTaskElasticNet ---") param_grid = { 'alpha': [0.001, 0.01, 0.1, 1], 'l1_ratio': [0.1, 0.3, 0.5, 0.7, 0.9] } grid_search = GridSearchCV(MultiTaskElasticNet(max_iter=10000, random_state=42), param_grid, cv=5, scoring='neg_mean_squared_error', n_jobs=-1) grid_search.fit(X_train_scaled, Y_train_scaled) print(f"Melhores parâmetros: {grid_search.best_params_}") print(f"Melhor MSE na validação: {-grid_search.best_score_:.4f}") # Modelo MultiTaskElasticNet otimizado best_multi_en = grid_search.best_estimator_ Y_pred_best = best_multi_en.predict(X_test_scaled) final_mse = mean_squared_error(Y_test_scaled, Y_pred_best) final_r2 = r2_score(Y_test_scaled, Y_pred_best) print(f"\nMultiTaskElasticNet Otimizado:") print(f"MSE: {final_mse:.4f}") print(f"R²: {final_r2:.4f}") print(f"Features selecionadas: {np.sum(np.any(best_multi_en.coef_ != 0, axis=1))}") # Visualização dos resultados plt.figure(figsize=(16, 12)) # Plot 1: Matriz de coeficientes do MultiTaskElasticNet plt.subplot(3, 3, 1) coef_matrix = best_multi_en.coef_ im = plt.imshow(coef_matrix, aspect='auto', cmap='RdBu_r', vmin=-1, vmax=1) plt.colorbar(im) plt.xlabel('Tarefa') plt.ylabel('Feature') plt.title('Matriz de Coeficientes - MultiTaskElasticNet') # Plot 2: Comparação de performance plt.subplot(3, 3, 2) methods = ['MultiTaskElasticNet', 'MultiTaskLasso', 'ElasticNet Individual'] mses = [mse_multi_en, mse_multi_lasso, avg_mse_individual] plt.bar(methods, mses, color=['lightcoral', 'lightgreen', 'skyblue']) plt.ylabel('MSE') plt.title('Comparação de Performance') plt.xticks(rotation=45) # Plot 3: Features selecionadas plt.subplot(3, 3, 3) n_selected = [np.sum(np.any(best_multi_en.coef_ != 0, axis=1)), np.sum(np.any(multi_lasso.coef_ != 0, axis=1)), n_features] # Individual sempre seleciona todas (com valores pequenos) plt.bar(methods, n_selected, color=['lightcoral', 'lightgreen', 'skyblue']) plt.ylabel('Features Selecionadas') plt.title('Seleção de Features') plt.xticks(rotation=45) # Plot 4: Análise do parâmetro l1_ratio plt.subplot(3, 3, 4) l1_ratios = param_grid['l1_ratio'] cv_scores = [] sparsity_levels = [] for l1_ratio in l1_ratios: model = MultiTaskElasticNet(alpha=0.1, l1_ratio=l1_ratio, max_iter=10000, random_state=42) model.fit(X_train_scaled, Y_train_scaled) Y_pred = model.predict(X_test_scaled) mse = mean_squared_error(Y_test_scaled, Y_pred) sparsity = np.sum(np.any(model.coef_ != 0, axis=1)) cv_scores.append(mse) sparsity_levels.append(sparsity) plt.plot(l1_ratios, cv_scores, 'o-', linewidth=2, label='MSE') plt.xlabel('l1_ratio') plt.ylabel('MSE') plt.title('Performance vs l1_ratio') plt.grid(True, alpha=0.3) plt.legend() # Plot 5: Esparsidade vs l1_ratio plt.subplot(3, 3, 5) plt.plot(l1_ratios, sparsity_levels, 's-', linewidth=2, color='red') plt.xlabel('l1_ratio') plt.ylabel('Features Não-Zero') plt.title('Esparsidade vs l1_ratio') plt.grid(True, alpha=0.3) # Plot 6: Correlação entre targets verdadeiros plt.subplot(3, 3, 6) corr_true = np.corrcoef(Y_test_scaled.T) im = plt.imshow(corr_true, cmap='coolwarm', vmin=-1, vmax=1) plt.colorbar(im) plt.title('Correlação - Targets Verdadeiros') plt.xlabel('Tarefa') plt.ylabel('Tarefa') # Plot 7: Correlação entre previsões plt.subplot(3, 3, 7) corr_pred = np.corrcoef(Y_pred_best.T) im = plt.imshow(corr_pred, cmap='coolwarm', vmin=-1, vmax=1) plt.colorbar(im) plt.title('Correlação - Previsões') plt.xlabel('Tarefa') plt.ylabel('Tarefa') # Plot 8: Performance por tarefa individual plt.subplot(3, 3, 8) task_mses_multi = [mean_squared_error(Y_test_scaled[:, i], Y_pred_best[:, i]) for i in range(n_tasks)] task_mses_individual = [r['mse'] for r in individual_results] x_pos = np.arange(n_tasks) width = 0.35 plt.bar(x_pos - width/2, task_mses_multi, width, label='MultiTaskElasticNet', alpha=0.8) plt.bar(x_pos + width/2, task_mses_individual, width, label='ElasticNet Individual', alpha=0.8) plt.xlabel('Tarefa') plt.ylabel('MSE') plt.title('Performance por Tarefa') plt.legend() plt.xticks(x_pos, [f'Tarefa {i+1}' for i in range(n_tasks)]) # Plot 9: Consistência na seleção de features plt.subplot(3, 3, 9) # Calcular consistência (quantas features são usadas em todas as tarefas) consistency_multi = np.sum(np.all(best_multi_en.coef_ != 0, axis=1)) consistency_individual = 0 # Abordagem individual não garante consistência plt.bar(['MultiTaskElasticNet', 'ElasticNet Individual'], [consistency_multi, consistency_individual], color=['lightcoral', 'skyblue']) plt.ylabel('Features em Todas as Tarefas') plt.title('Consistência na Seleção') plt.xticks(rotation=45) plt.tight_layout() plt.show() # Análise detalhada da estrutura de coeficientes print(f"\n--- Análise Detalhada da Estrutura de Coeficientes ---") coef_matrix_best = best_multi_en.coef_ print(f"\nEstrutura da matriz de coeficientes:") print(f"Dimensões: {coef_matrix_best.shape}") print(f"Features com coeficientes não-zero em todas tarefas: {np.sum(np.all(coef_matrix_best != 0, axis=1))}") print(f"Features com coeficientes não-zero em alguma tarefa: {np.sum(np.any(coef_matrix_best != 0, axis=1))}") print(f"Features com coeficientes zero em todas tarefas: {np.sum(np.all(coef_matrix_best == 0, axis=1))}") # Análise de grupos de features print(f"\nDistribuição de importância das features:") feature_importance = np.linalg.norm(coef_matrix_best, axis=1) # Norma L2 por feature top_features = np.argsort(feature_importance)[::-1][:5] print("Top 5 features mais importantes:") for i, feat_idx in enumerate(top_features): print(f" Feature {feat_idx:2d}: importância = {feature_importance[feat_idx]:.3f}") # Resumo final print(f"\n--- Resumo Final ---") print(f"Vantagem do MultiTaskElasticNet sobre abordagem individual: {(avg_mse_individual - final_mse)/avg_mse_individual*100:.1f}%") print(f"Consistência na seleção: {np.sum(np.all(coef_matrix_best != 0, axis=1)) / np.sum(np.any(coef_matrix_best != 0, axis=1)):.1%}") print(f"Parâmetros otimizados: alpha={grid_search.best_params_['alpha']}, l1_ratio={grid_search.best_params_['l1_ratio']}") |
Casos de Uso Recomendados
O MultiTaskElasticNet é particularmente eficaz em:
- Sistemas de recomendação: Múltiplos ratings ou preferências para prever
- Análise de sensores: Múltiplos sinais correlacionados de diferentes sensores
- Bioinformática: Expressão de múltiplos genes ou proteínas
- Problemas com targets correlacionados: Quando há estrutura comum nas relações
Considerações Práticas
Algumas recomendações importantes para uso eficaz:
- Verifique a correlação entre os targets antes de usar abordagem multitarefa
- Use StandardScaler para normalizar tanto features quanto targets
- Considere MultiTaskElasticNetCV para seleção automática de parâmetros
- Avalie se a suposição de estrutura comum entre tarefas é válida
Quando Escolher MultiTaskElasticNet
Prefira MultiTaskElasticNet quando:
- Os targets estão correlacionados e compartilham features relevantes
- Deseja-se consistência na seleção de features através das tarefas
- Há alta dimensionalidade (muitas features) e dados limitados
- Features correlacionadas estão presentes no dataset
Enfim, o MultiTaskElasticNet representa uma ferramenta poderosa para problemas de regressão multivariada, combinando a flexibilidade da Elastic Net com os benefícios do aprendizado multitarefa para produzir modelos robustos, interpretáveis e de alta performance.
Referência: https://scikit-learn.org/0.21/modules/linear_model.html#multi-task-elastic-net