Classificação de arroz: um estudo de caso utilizando a rede neural MLP

Resumen

Este trabalho tem como objetivo analisar o desempenho, na classificação de variedades de arroz, do modelo de rede neural Multilayer Perceptron (MLP). A base de dados, obtida da plataforma Kaggle, apresenta 18185 observações das variedades Jasmine e Gonen. Para implementação do modelo de classificação MLP, na linguagem de programação Python, utilizou-se o módulo MLPClassifier da biblioteca Scikit-Learn. Scikit-Learn é uma biblioteca desenvolvida especificamente para aplicação prática de machine learning. O treinamento do modelo envolve seleção de hiperparâmetros e validação cruzada para evitar overfitting. Para balanceamento das classes utilizou-se a função resample da biblioteca Scikit-Learn. O desempenho do modelo MLP foi verificado por meio das métricas accuracy e AUC (Area under the ROC Curve). Resultados experimentais demonstraram que o modelo MLP apresentou excelentes resultados: accuracy=99% e AUC= 0,9869.