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

construído a partir das variáveis selecionadas (NORGAARD et al., 2000 citado por
CARNEIRO, 2008).
A escolha do número de variáveis latentes é um dos parâmetros mais
importantes no desenvolvimento do modelo. A validação cruzada foi utilizada
como ferramenta no auxílio da seleção do número de variáveis latentes. Se o
número for muito baixo, informações importantes podem não ser modeladas e se
for alto, embora melhore o ajuste do modelo de calibração, incluirá ruído no
modelo. Se o número de variáveis latentes não for adequado prejudicará o
modelo (SAMISTRARO, 2008).
A determinação do número variável latentes é um fator relevante para a
qualidade do modelo elaborado quando se utiliza uma técnica de calibração
baseada no método PCA, como é o caso do PLS. Existe para cada modelo um
número ótimo de fatores, com informações suficientes para o modelamento, sem
causar o efeito de superajustamento ou “overfitting”, causado principalmente por
um número excessivo de fatores no modelo. O superajustamento é indesejável,
pois pode incluir informações irrelevantes como ruídos e interferências e também
pode apresentar baixa habilidade de previsão. Por outro lado, a inclusão de um
número muito baixo de fatores pode deixar de modelar muitas informações
importantes ocasionando o efeito de “underfitting” ou ajustamento inferior
(CARNEIRO, 2008).
Para Samistraro (2008), o parâmetro envolvido na seleção das variáveis
latentes para cada modelo desenvolvido foi o que proporcionou o menor erro
médio quadrático de previsão (RMSEP) na validação cruzada. Os valores
previstos pelo modelo e os valores referência foram então comparados.
3.2.11.3 Detecção de outliers
Anomalias são elementos muito diferentes ou que apresentam erros
grosseiros quando comparados à maioria dos dados. Por este motivo é
necessária a identificação e eliminação destes elementos já no processo de
calibração, pois caso contrário pode-se obter um modelo não representativo.
64