Escolar Documentos
Profissional Documentos
Cultura Documentos
br
Engenharia de Dados com Hadoop e Spark
Multilayer Perceptron
(MLP)
Engenharia de Dados com Hadoop e Spark
Este é um bônus deste capítulo, que trata de um algoritmo de classificação mais complexo e
mais avançado. Por esta razão, você encontra uma introdução mais formal, com uma
explicação e exemplos sobre o algoritmo.
Rede Neural é um algoritmo antigo que foi desenvolvido com um objetivo: prover cérebro para
os computadores. A Rede Neural é inspirada na estrutura biológica do cérebro humano, com
múltiplos neurônios conectados que formam colunas e camadas. Um neurônio é uma célula
eletricamente ativa que processa e transmite informação através de sinais químicos e elétricos.
Os inputs para os neurônios em uma rede neural são feitos através de nossos sensores
orgânicos (visão, audição, etc...) e então processados em alto nível.
Neurônios são unidades computacionais no cérebro que coletam inputs a partir dos nervos de
entrada, chamados dendritos. Os neurônios realizam a computação destes inputs e enviam o
output pelos nervos de saída, chamados axônios.
Onde x1, x2 e x3 são vetores de atributos (variáveis) que são atribuídos a função f, que fará a
computação e apresentará o output. Para problemas de classificação, a função f é normalmente
do tipo softmax.
Uma Rede Neural ou uma Rede Neural Artificial normalmente se refere a uma Rede MLP. Uma
Rede MLP consiste de múltiplas camadas de unidades de neurônios. Vamos compreender uma
rede perceptron de 3 camadas, conforme a figura abaixo. A primeira camada (Input Layer) da
Rede MLP representa o input cujo propósito é apenas encaminhar o input para as camadas
seguintes (feed-forward). A segunda camada é chamada camada oculta e a última camada é a
camada que determina o output. A ativação dos neurônios na camada oculta, pode ser definida
pela soma dos pesos dos inputs: