Aplicação de redes neurais multilayer perceptron em bioinformática para a classificação de espécies do conjunto de dados íris

Este trabalho apresenta a implementação e análise de uma rede neural artificial do tipo Multilayer Perceptron (MLP) para classificação de espécies de flores do conjunto de dados Iris. O estudo utilizou a biblioteca scikit-learn do Python para desenvolver um modelo classificador capaz de distinguir entre três espécies distintas de íris (Setosa, Versicolor e Virginica) com base em características morfológicas das flores. A metodologia empregou uma divisão dos dados em 80% para treinamento e 20% para teste, utilizando uma arquitetura de rede com três camadas: entrada com 4 neurônios, camada oculta com 100 neurônios e saída com 3 neurônios. Os resultados demonstraram uma acurácia de 93,33%, evidenciando a eficácia das redes neurais artificiais na resolução de problemas de classificação multiclasse. A análise dos parâmetros da rede revelou o uso da função de ativação ReLU e convergência após 200 iterações, confirmando a robustez do modelo proposto.