Cálculo do Erro em Redes Multicamada
O cálculo de erro em um modelo de rede neural pode ser simplificado através da fórmula:
Com base no exemplo da tabela com os atributos previsores “x1” e “x2” e o atributo meta “Classe”:
| x1 | x2 | Classe |
|---|---|---|
| 0 | 0 | 0 |
| 0 | 1 | 1 |
| 1 | 0 | 1 |
| 1 | 1 | 0 |
Calculamos os valores de saída para cada registro e obtivemos os seguintes resultados:
| x1 | x2 | Classe | Calculado | Erro |
|---|---|---|---|---|
| 0 | 0 | 0 | 0.406 | -0.406 |
| 0 | 1 | 1 | 0.432 | 0.568 |
| 1 | 0 | 1 | 0.437 | 0.563 |
| 1 | 1 | 0 | 0.458 | -0.458 |
É importante observar que em alguns registros o valor do erro é negativo. Nesse caso, a abordagem mais comum é utilizar o valor absoluto do erro ou até mesmo o erro ao quadrado (método squared loss).
Finalmente, para avaliar o desempenho geral do conjunto de pesos, calculamos a média do erro:
Portanto, o erro médio para este conjunto de dados é de