classificação de dados sensoriais de cafés especiais com resposta multiclasse via algoritmo ...

85 Pages·2016·1.72 MB·Portuguese

LÍLIANMARIADEOLIVEIRA
CLASSIFICAÇÃO DE DADOS SENSORIAIS DE
CAFÉS ESPECIAIS COM RESPOSTA MULTICLASSE
VIA ALGORITMO BOOSTING E BAGGING
LAVRAS-MG
2016
LÍLIANMARIADEOLIVEIRA
CLASSIFICAÇÃODEDADOSSENSORIAISDECAFÉSESPECIAIS
COMRESPOSTAMULTICLASSEVIAALGORITMOBOOSTINGE
BAGGING
Dissertação apresentada à Universidade
Federal de Lavras, como parte das exigên-
ciasdoProgramadePós-graduaçãoemEs-
tatística e Experimentação Agropecuária,
área de concentração em Estatística e Ex-
perimentação Agropecuária, para a obten-
çãodotítulodeMestre.
Orientador
Dr.FortunatoSilvadeMenezes
Coorientador
Dr.MarceloÂngeloCirillo
LAVRAS-MG
2016
Ficha catalográfica elaborada pelo Sistema de Geração de Ficha Catalográfica da Biblioteca
Universitária da UFLA, com dados informados pelo(a) próprio(a) autor(a).

Oliveira, Lílian Maria de.
Classificação de dados sensoriais de cafés especiais com
resposta multiclasse via Algoritmo Boosting e Bagging / Lílian
Maria de Oliveira. – Lavras : UFLA, 2016.
85 p. : il.

Dissertação (mestrado acadêmico)–Universidade Federal de
Lavras, 2016.
Orientador(a): Fortunato Silva de Menezes.
Bibliografia.

1. Métodos de classificação. 2. Qualidade de cafés. 3. Análise
Discriminante. I. Universidade Federal de Lavras. II. Título.

O conteú do desta obra é de responsabilidade do(a) autor(a) e de seu orientador(a).
LÍLIANMARIADEOLIVEIRA
CLASSIFICAÇÃODEDADOSSENSORIAISDECAFÉSESPECIAIS
COMRESPOSTAMULTICLASSEVIAALGORITMOBOOSTINGE
BAGGING
Dissertação apresentada à Universidade
Federal de Lavras, como parte das exigên-
ciasdoProgramadePós-graduaçãoemEs-
tatística e Experimentação Agropecuária,
área de concentração em Estatística e Ex-
perimentação Agropecuária, para a obten-
çãodotítulodeMestre.
APROVADAem25defevereirode2016.
Dr.CarlaReginaGuimarãesBrighenti UFSJ
Dr.JoãoDomingosScalon UFLA
Dr.MarceloÂngeloCirillo UFLA
Orientador
Dr.FortunatoSilvadeMenezes
Coorientador
Dr.MarceloÂngeloCirillo
LAVRAS-MG
2016
Aosmeuspaiscomtodomeuamoregratidão,portudoquefizerampormimao
longodaminhavida.Esperosermerecedoradoesforço,incentivoededicação
quantoàminhaformação.Amovocês!
Àminhairmãporsempreestaraomeuladonasdecisõesmaisdifíceis.
Aosmeusamigos.
DEDICO.
AGRADECIMENTOS
A Deus, por me guiar em todos os caminhos, iluminando os meus pas-
sos e me presenteando com uma família que me deu todo suporte para vencer as
barreirasdadistância.
Aosmeuspaisporseremabasedaminhavida.Seháalgoquefeztodaa
diferençanaminhaformaçãoenavida,éoamorquerecebidevocês.
À minha irmã, pela atenção, companheirismo, amizade e por me conven-
cerquesemprehaveráumaportadestrancadasóesperandopormimparaabri-la.
AoConselhoNacionaldeDesenvolvimentoCientíficoeTecnológico(CNPq)
pelaconcessãodabolsadeestudos.
Aos professores do Programa de Pós-Graduação em Estatística e Experi-
mentaçãoAgropecuária.EmespecialaoprofessorRenatoRibeirodeLimapornão
medeixardesistirnosmomentosmaisdifíceisepossibilitaraminhaformação.
ÀssecretáriasNádiaeJosi,porseremsempreprestativas,atenciosas,com-
petentes,dedicadaseeficientes.
Ao Professor Tiago Martins Pereira, que desde a graduação sempre foi
prestativoededicado.
AosmeusamigosdeOuroPretoquemesmodelongeestavamnatorcida.
Aos amigos do mestrado, pela nossa união, característica principal de
nossa turma. Em especial, Mariana, Renata, Marcel, Carlos, Henrique, Sidcleide,
DéboraeRicardo.
Às minhas amigas irmãs Janaína e Kelly, jamais esquecerei tudo o que
fizerampormim,eporseremacolhedoraseotimistas.Amizadeparaavidatoda!
Às amigas da República "As Mercenárias"Cris e Camila, pela paciência,
carinho,compreensãoemnossavivênciaemomentosdedescontração.
À Carolina Bicalho, pelaamizade, preocupaçãoe principalmentecompa-
nheirismo.
AoIsmael,pelapreocupaçãodepaiepormeconsiderarcomofilha.
Aosalunosdodoutoradoquedealgumaformasempreestavamdispostos
aajudar.EmespecialaJackelyaAraújodaSilvaeGilbertoRodriguesLiska.
ÀCrisNogueira,quemefezaprenderagostardeLavras!
Aos meus orientadores e aos professores João Domingos Scalon e Carla
ReginaGuimarãesBrighentiporteremaceitooconviteparaseremexaminadores
nabancaepelasconsideraçõesapresentadasparacontribuiçãodestetrabalho.
Eporfim,atodosquetorcerameque,diretamenteouindiretamente,con-
tribuírampelomeusucesso.
"As melhores coisas da minha vida foram as li-
ções que aprendi com as coisas ruins que me
aconteceram.”
JerrySeinfeld
RESUMO
Os métodos automáticos de classificação têm sido desenvolvidos na área
de Aprendizado de Máquina com o intuito de facilitar a categorização de dados.
Dentre os métodos mais bem sucedidos destacam-se o Boosting e o Bagging. O
Bagging funciona combinando classificadores ajustados em amostras bootstrap
dos dados e o Boosting funciona aplicando-se sequencialmente um algoritmo de
classificaçãoaversõesreponderadasdoconjuntodedadosdetreinamento,dando
maior peso às observações classificadas erroneamente no passo anterior. Esses
classificadoressecaracterizamporproduziremresultadossatisfatórios,baixocusto
computacionalevantagemdasimplicidadedeimplementação.Dadasessascarac-
terísticas,surgeuminteresseemverificarodesempenhodessesmétodosautomá-
ticoscomparadoscomosmétodosclássicosdeclassificaçãoexistentesnaEstatís-
tica, a Análise Discriminante Linear e Quadrática. Com o propósito de comparar
essastécnicas,utilizou-seastaxasdeerrodeclassificaçãodosmodelos.Parame-
lhorar a confiança da utilização dos métodos Boosting e Bagging em problemas
mais complexos de classificação, um estudo foi realizado aplicando essas técni-
casemdadosreaisesimuladosqueeramcompostospormaisqueduascategorias
navariávelresposta.Nestadissertação,paraestimularaimplementaçãodoBoos-
ting e Bagging, realizou-se uma aplicação na Análise Sensorial. Concluiu-se que
os métodos automáticos tiverem um bom desempenho de classificação, proporci-
onandotaxasdeerromenoresqueasAnálisesDiscriminanteLineareQuadrática
nasaplicaçõestestadas.
Palavras-chave: Métodos de classificação. Qualidade de cafés. Análise Discrimi-
nante.
ABSTRACT
Automatic classification methods have been developed in machine lear-
ningareainordertofacilitatethecategorizationofdata.Amongthemostsuccess-
fulmethodsincludetheBoostingandBagging.TheBaggingworksbycombining
classifiers adjusted in bootstrap samples of the data and the Boosting works by
applying sequentially an algorithm to rank the reweighted versions of the set of
training data, giving greater weight to the observations misclassified in the previ-
ous step. These classifiers are characterized by providing satisfactory results, low
computationalcostandbenefitofimplementationsimplicity.Giventhesecharacte-
ristics,comesaninterestincheckingtheperformanceoftheseautomatedmethods
comparedwithtraditionalexistingclassificationmethodsinStatistics,LinearDis-
criminate Analysis and Quadratic. In order to compare these techniques it was
usedmisclassificationratesandaccuracyofthemodels.Toimproveconfidencein
the use of Boosting and Bagging methods in more complex problems of classifi-
cation,astudywascarriedoutbyapplyingthesetechniquesinrealandsimulated
datacomposedofmorethantwocategoriesintheresponsevariable.Inthisdisser-
tation, to encourage the implementation of Boosting and Bagging was held in an
application Sensory Analysis. We conclude that automatic methods have a good
classificationperformancebyprovidinglowererrorratesthanDiscriminantLinear
analysisandQuadraticDiscriminantanalysisinthetestedapplications.
Keywords:Classificationmethods.Qualitycoffees.DiscriminantAnalysis.