Repositório dedicado a um projeto de Machine Learning para identificação de câncer de mama a partir de imagens
Baseado em uma primeira versão do modelo classificador binário, ao plotar os gráficos, vê-se uma variação muito alta das métricas definidas para acompanhamento. Por mais que no relatório de métricas, aparentemente os valores são bons, é importante tentar eliminar as variações que aparecem nos gráficos.
Acuracia Final: 96.9%
Acurácia Geral: 97.0%
Acurácia (Média U10): 97.0%
Acurácia (Treinamento): 97.0%
Acurácia (Validação): 98.0%
Taxa de Perda: 0.05%
Taxa de Perda (Validação): 0.11%
Precisão: 100.0%
Precisão (Validação): 98.0%
Recall: 99.0%
Recall (Validação): 95.0%
F1 Score: 100.0%
F-Measure: 100.0%
F1 Score (TP, FP, TN, FN): 97.0%
Taxa de Aprendizado: 9.999999974752427e-07
Sensibilidade: 97.0%
Especificidade: 96.0%
Acurácia da Matriz de Confusão: 97.0%
Taxa de Verdadeiros Positivos: 99.0%
Taxa de Verdadeiros Negativos: 99.0%
Taxa de Falsos Positivos: 2.0%
Taxa de Falsos Negativos: 1.0%
Dados Inválidos: 1.0%
Após uma tentativa de Fine Turing, foi acrescentado mais camadas de processamento e neurônios, e duas camadas de normalização para tentativa de melhora do modelo.
Os dados se mantiveram com as métricas parecidas com a da primeira versão, uma variação menor em alguns casos, mas ao plotar os gráficos, percebe-se uma variação ainda alta durante o processo de execução do modelo.
Acuracia Final: 96.46% Acurácia Geral: 96.0% Acurácia (Média U10): 96.0% Acurácia (Treinamento): 96.0% Acurácia (Validação): 98.0% Taxa de Perda: 0.03% Taxa de Perda (Validação): 0.12% Precisão: 100.0% Precisão (Validação): 97.0% Recall: 99.0% Recall (Validação): 97.0% F1 Score: 99.0% F-Measure: 99.0% F1 Score (TP, FP, TN, FN): 97.0% Taxa de Aprendizado: 9.999999974752427e-07 Sensibilidade: 97.0% Especificidade: 96.0% Acurácia da Matriz de Confusão: 96.0% Taxa de Verdadeiros Positivos: 99.0% Taxa de Verdadeiros Negativos: 98.0% Taxa de Falsos Positivos: 2.0% Taxa de Falsos Negativos: 1.0% Dados Inválidos: 1.0%
Após mais uma tentativa de Fine Turing, deixamos o modelo o mais otimizado, reduzindo um pouco mais sua variação, e variando muito mais perto do seu "modelo perfeito", tornando o modelo mais preciso e seguro.
Logicamente ainda pode-se perceber variações durante a execução do modelo, e não queremos que ocorra overfitting.
Acuracia Final: 97.34% Acurácia Geral: 97.0% Acurácia (Média U10): 97.0% Acurácia (Treinamento): 97.0% Acurácia (Validação): 98.0% Taxa de Perda: 0.02% Taxa de Perda (Validação): 0.12% Precisão: 100.0% Precisão (Validação): 97.0% Recall: 99.0% Recall (Validação): 95.0% F1 Score: 100.0% F-Measure: 100.0% F1 Score (TP, FP, TN, FN): 97.0% Taxa de Aprendizado: 9.999999974752427e-07 Sensibilidade: 97.0% Especificidade: 97.0% Acurácia da Matriz de Confusão: 97.0% Taxa de Verdadeiros Positivos: 100.0% Taxa de Verdadeiros Negativos: 99.0% Taxa de Falsos Positivos: 1.0% Taxa de Falsos Negativos: 1.0% Dados Inválidos: 0.0%
