Avaliação de painéis sensoriais com consumidores de bebidas de cafés especiais utilizando o método boosting na análise discriminante

Resumo

Os métodos automáticos de classificação têm sido amplamente utilizados em inúmeras situações, nas quais o método boosting tem se destacado por utilizar um algoritmo de classificação que considera um conjunto de dados de treinamento e, a partir desse conjunto, constrói um classificador com versões reponderadas do conjunto de treinamento. Dada essa característica, esse trabalho tem por objetivo avaliar um experimento sensorial relacionado a testes de aceitação com cafés especiais, tendo como referência grupos de consumidores, treinados e não treinados. Ao grupo de consumidores, foram avaliadas quatro características sensoriais, tais como aroma, corpo, doçura e nota final, atribuídos a quatro tipos de cafés especiais. Com o propósito de obter uma regra de classificação que discrimine provadores treinados e não treinados, utilizaram-se a análise discriminante de Fisher convencional (LDA) e a análise de discriminante via algoritmo de boosting (Adaboost). Os critérios utilizados na comparação das duas abordagens foram sensibilidade, especificidade, taxa de falsos positivos, taxa de falsos negativos e acurácia dos métodos classificatórios. Adicionalmente, para avaliar o desempenho dos classificadores, as referidas taxas de acerto e erro foram obtidas por simulação Monte Carlo, considerando-se 100 réplicas de uma partição aleatória de 70% para a amostra de treinamento e o restante para o conjunto de teste. Concluiu-se que o método de boosting aplicado na análise discriminante proporcionou maior taxa de acerto quanto aos provadores treinados, cujo valor foi 80,63% e, consequentemente, redução na taxa de falsos negativos, cujo valor foi 19,37%. Dessa forma, o método de boosting pode ser utilizado como uma forma de aperfeiçoar o classificador LDA para a discriminação de provadores treinados.