Este componente é um classificador sentenças multiclasse baseado nos pacotes de Embeddings GloVe disponiblizado pela Stanford para a lngua inglesa e pelo NILC-São Carlos para a língua portuguesa.

Espera-se como entrada para o componente uma tabela com colunas que representam valores numéricos, categóricos ou de data. Os valores de data devem ser removidos ou selecionados para codificação ordinal para que o modelo consiga processá-los. A tabela deve ser do tipo Comma-separated values (.csv)

A seguir são listados todos os parâmetros utilizados pelo componente:

• Coluna de entrada: feature (Obrigatório).
  Seu modelo utilizará para treinamento a coluna selecionada.
• Coluna alvo: feature (Obrigatório).
  Seu modelo será treinado para prever os valores do alvo.
• Arquivo de pesos: string (Obrigatório).
  É possível passar o arquivo comprimido em (.zip) ou não no formato (.txt) no experimento. Caso não seja possível o componente tentará descomprimir o arquivo antes."
• Idioma: string, {"ingles", "portugues"}, padrão: "ingles" (Obrigatório).
  Idioma em que os stopwords pertencem. Deve ser o mesmo utilizado no dataset.
• Gráficos a serem ignorados: string, {"Dados de Treino","Matriz de Confusão","Métricas Comuns","Curva ROC","Tabelas de Dados","Performance Batch Treinamento","Performance Época Treinamento","Performance Batch Validação","Performance Época Validação"} (Obrigatório).
  Diversos gráficos são gerados ao executar o treinamento e validação do modelo, selecione quais não devem ser gerados.
• Tamanho do batch de treinamento: integer (Obrigatório).
  O tamanho do batch de treinamento interfere na quantidade de dados que irá atualizar o modelo por backpropagation. Se muito grande pode gerar esoturos memória.
• Tamanho do batch de inferência: integer (Obrigatório).
  O tamanho do batch de inferência diz a quantidade de resultados que podem ser calculados em uma operação. Se muito grande pode gerar esoturos memória.
• Número de épocas: integer (Obrigatório).
  Quantidade de vezes que todos os dados serão vistos durante o treinamento. É considerado também para a recuperação de pesos pré treinados.
• Acúmulo de batchs: integer (Obrigatório).
  Estratégia para atualizar os pesos não em todos os batchs mas a cada uma certa quantidade sem passar muitos batchs por vez durante o treinamento.
• Taxa de aprendizado: number (Obrigatório).
  Velocidade em que o algorítimo irá aprender.
• Semente de aleatoriedade: integer (Obrigatório).
  Semente para replicação dos resultados.
• Dimensão das camada escondidas: integer,multiple, {1000,500,300,200,100,50,20,10} (Obrigatório).
  Dimensão da camadas escondidas da rede neural de classifcação.
• Função de ativação: string, {"relu","tanh"} (Obrigatório).
  Função de ativação utilizada nas camadas ocultas da MLP.
• Dimensão dos vetores Glove: integer, {50,100,200,300,600,1000} (Obrigatório).
  Dimensão dos vetores Glove pré treinados. Opções do inglês:50,100,200,300. Opções do português:50,100,300,600,1000.
• Utilizar GPUs?: boolean (Obrigatório).
  Em caso positivo irá utilzar a GPU senão utilizará as CPUs. Se não houver GPU disponível irá utilziar CPUs.
• Checagem do conjunto de validação: integer (Obrigatório).
  Irá interferir nos dataframes e gráficos de performance do conjunto de validação. Quanto menor, mais detalhes, porém mais lento (múltiplas inferências)
• Mostrar informações do modelo: boolean (Obrigatório).
  Informações automáticas disponibilizadas pelo Pytorch Lightning.
• Taxa de atualização da barra de progresso do modelo: integer (Obrigatório).
  Serve para acompanhar o a loss do modelo enquanto treina. Interssante ser bastante alto no momentoda implantação, pois não é necessário.

As métricas de performance tem o propósito de ajudar o usuário a avaliar a performance do modelo. Essas métricas variam de acordo com o tipo de problema, tal como: classificação, regressão, agrupamento, entre outros.

1. Acurácia: Indica uma performance geral do modelo. Dentre todas as classificações, quantas o modelo classificou corretamente.
2. Recall: Dentre todas as situações de classe positivo como valor esperado, quantas estão corretas.
3. F1-Score: Média harmônica entre precisão e recall.
4. Suporte: Número de ocorrências de cada classe esperadas
5. Matriz de confusão: Tabela que mostra as frequências de classificação para cada classe do modelo
6. Curvas de peformance: Monitoram as curvas de perda e acurácia durante o treino e validação para batchs e para épocas.

O retorno durante a experimentação ajuda o usuário a analisar tanto métricas distintas de forma visual, como a distribuição dos dados e os dados brutos ao final da execução. Sendo assim, é possível visualizar diversos retornos para este componente como os listados a seguir:

1. Matriz de confusão
   Apresenta a matriz de confusão. É possível obsersar relações entre os acertos e erros das cada classe.
2. Métricas comuns
   Apresenta métricas comuns utilizadas para avaliar modelos de classificação, como por exemplo: precision e recall.
3. Curva ROC
   Apresenta um gráfico da Curva ROC. Esse gráfico permite avaliar a performance de um classificador binário para diferentes pontos de cortes. A métrica AUC (Area under curve) também é calculada e indicada na legenda do gráfico. Se a variável resposta tiver mais de duas categorias, o cálculo da curva ROC e AUC é feito utilizando o algoritmo one-vs-rest, ou seja, calcula-se a curva ROC e AUC de cada classe em relação ao restante.
4. Tabela dos dados
   Apresenta visualização dos dados após o treinamento do modelo com a variável resposta e dados sobre o modelo.
5. Performance de treino por batch
   Comportamento da acurácia e da função de perda por batch na etapa de treino.
6. Performance de treino por época
   Comportamento da acurácia e da função de perda por época na etapa de treino.
7. Performance de validação por batch
   Comportamento da acurácia e da função de perda por batch na etapa de validação.
8. Performance de validação por época
   Comportamento da acurácia e da função de perda por época na etapa de validação.

O retorno durante a implantação se refere a tabela com os valores preditos para o atributo alvo e as probabilidades de cada classe. Sendo que, cada linha da tabela se refere a um registro enviado ao modelo.