{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Escolha de um classificador\n",
    "\n",
    "Treinar vários classificadores e escolher aquele com menor erro no conjunto de treinamento (o conjunto usado para o treinamento) não é uma boa escolha. É possível que o classificador tenha se super-ajustado aos dados de treinamento e não apresente desempenho similar em relação a outros dados novos.\n",
    "\n",
    "Procedimento comum: dividir o conjunto de treinamento em treinamento e validação. Treinar no conjunto de treinamento e avaliar o desempenho no conjunto de validação para escolher um modelo.\n",
    "\n",
    "O desempenho no conjunto de validação pode, no entanto, não refletir o desempenho esperado (afinal, escolheu-se aquele com o melhor desempenho no conjunto de validação). Para estimar o desempenho esperado usa-se um conjunto distinto, chamado conjunto de teste. "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Exemplo retirado de http://scikit-learn.org/stable/modules/cross_validation.html"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "import numpy as np\n",
    "from sklearn.model_selection import train_test_split\n",
    "from sklearn import datasets\n",
    "from sklearn import svm\n",
    "\n",
    "iris = datasets.load_iris()\n",
    "print(iris.data.shape, iris.target.shape)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Divisão em treinamento e teste\n",
    "\n",
    "Aqui não há escolha de um modelo. Apenas trein-se um classifcador\n",
    "e em seguida verifica-se seu desempenho sobre o conjunto de teste."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "X_train, X_test, y_train, y_test = train_test_split( \\\n",
    "        iris.data, iris.target, test_size=0.4, random_state=0)\n",
    "\n",
    "print(X_train.shape, y_train.shape)\n",
    "print(X_test.shape, y_test.shape)\n",
    "\n",
    "clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)\n",
    "clf.score(X_test, y_test)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Validação cruzada\n",
    "\n",
    "Validação cruzada pode ser usada para escolha de um modelo. Abaixo mostra-se o treinamento de apenas um modelo. Isso pode ser repetido para vários modelos e então pode ser escolhido aquele com melhor desempenho na validação cruzada."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "from sklearn.model_selection import cross_val_score\n",
    "\n",
    "clf = svm.SVC(kernel='linear', C=1)\n",
    "scores = cross_val_score(clf, iris.data, iris.target, cv=5)\n",
    "print(scores)\n",
    "\n",
    "print(\"Accuracy: %0.2f (+/- %0.2f)\" %(scores.mean(), scores.std()*2))\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Predição por validação cruzada\n",
    "(apenas para saber como foi a classificação de cada amostra quando o mesmo estava no fold de teste)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "collapsed": false
   },
   "outputs": [],
   "source": [
    "from sklearn import metrics\n",
    "from sklearn.model_selection import cross_val_predict\n",
    "\n",
    "predicted = cross_val_predict(clf, iris.data, iris.target, cv=10)\n",
    "pred_acc = metrics.accuracy_score(iris.target, predicted) \n",
    "print(pred_acc)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.5.2"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 0
}