Tese em PDF - departamento de engenharia florestal - ufpr ...

segmentos que são excluídos da calibração e usados na predição; - validação
externa: baseada em dois conjuntos de dados, um para a calibração e outro para
a validação do modelo. O conjunto de dados para a validação deve conter entre
20% - 40% do total de amostras, a seleção dessas amostras pode ser manual ou
randômica.
Oliveira (2006) em um estudo sobre análise de misturas diesel-óleos
vegetais assim define a validação cruzada “Na validação cruzada de um modelo
de calibração, uma amostra, ou mais de uma, são retiradas do conjunto das
amostras de calibração. Os modelos de calibração são então elaborados com as
amostras remanescentes para diferentes números de componentes principais,
com a concentração da amostra que foi retirada determinada em cada modelo.
Esse processo é repetido até que todas as amostras tenham suas concentrações
determinadas”.
A validação pode ser do tipo interna ou externa. O tipo interna é aquela em
que são usadas as mesmas amostras do conjunto de calibração (validação
cruzada) e do tipo externa quando é usado um conjunto de amostras não
utilizadas na calibração para avaliar a capacidade de predição (SAMISTRARO,
2008).
O procedimento na validação cruzada (Cross-Validation) se dá removendo
uma amostra ou um determinado grupo de amostras da matriz de dados original.
O modelo de calibração é estabelecido nessa matriz e a partir desse modelo as
propriedades do conjunto removido são previstas, repetindo para cada amostra
removida do conjunto ou para cada pequeno grupo de amostras. O parâmetro
geralmente utilizado para verificar a eficácia do modelo é o erro da validação
interna, que é dado pelo RMSEV (Root Mean Square Error of Validation)
(SAMISTRARO, 2008).
3.2.11.1 Pré-tratamento espectral
Outra etapa prévia importante num tratamento de dados é a etapa do pré-
tratamento. Muitas vezes os dados são expressos em grandezas diferentes, ou
60