ALGORITMOS DE VALIDAÇÃO CRUZADA PARA MÁQUINAS DE VETOR DE SUPORTE DE MÍNIMOS QUADRADOS
COM OTIMIZAÇÃO DO USO DA MEMÓRIA
Máquinas de vetor de suporte de mínimos quadrados. Validação cruzada. Otimização de memória. Cálculo de matriz inversa.
Uma importante operação de matrizes é a inversão de matriz, contudo seu cálculo
automatizado torna-se bastante difícil por exigir muito processamento e consumo de me-
mória. Este problema aumenta quanto maior for o comprimento da matriz e/ou a limitação
computacional imposta pela máquina na qual o algoritmo está sendo executado.
Desta forma, este trabalho traz uma proposta de investigação de uma estratégia de uti-
lização eficiente da memória do computador durante a computação da inversa de matrizes
quadradas n-dimencionais, aplicada a algorimos de máquinas de aprendizagem. Desta
forma, propõe-se um algoritmo com melhor aproveitamento da memória em detrimento
do tempo de seu processamento.
Para medir o desempenho da técnica proposta, serão utilizados os algoritmos de va-
lidação cruzada para Máquinas de Vetor de Suporte por Mínimos Quadrados (LS-SVM),
proposto por An et al. (2007), que utilizam o cálculo da matriz inversa para encontrar os
rótulos esperados dos exemplos de testes na validação cruzada sem treinar os classifica-
dores LS-SVM para cada subconjunto de treinamento.