PUC_MINAS_Atividade Objetiva de Revisão - Princípios e técnicas de aprendizado_ 09 Machine Learning (2019)

Prévia do material em texto

11/11/2021 21:20 Atividade Objetiva de Revisão - Princípios e técnicas de aprendizado: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33004 1/4
Atividade Objetiva de Revisão - Princípios e técnicas de aprendizado
Entrega Sem prazo Pontos 3 Perguntas 3 Limite de tempo Nenhum Tentativas permitidas Sem limite
Instruções
Histórico de tentativas
Tentativa Tempo Pontuação
MANTIDO Tentativa 4 Menos de 1 minuto 3 de 3
MAIS RECENTE Tentativa 4 Menos de 1 minuto 3 de 3
Tentativa 3 Menos de 1 minuto 2 de 3
Tentativa 2 Menos de 1 minuto 1 de 3
Tentativa 1 4 minutos 0 de 3
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 3 de 3
Enviado 11 nov em 21:20
Esta tentativa levou Menos de 1 minuto.
Essa atividade deve ser feita apenas após o aluno ter estudado toda a Unidade 01 e ter feito todas as atividades de fixação.
Fazer o teste novamente
1 / 1 ptsPergunta 1
https://pucminas.instructure.com/courses/1765/quizzes/33004/history?version=4
https://pucminas.instructure.com/courses/1765/quizzes/33004/history?version=4
https://pucminas.instructure.com/courses/1765/quizzes/33004/history?version=3
https://pucminas.instructure.com/courses/1765/quizzes/33004/history?version=2
https://pucminas.instructure.com/courses/1765/quizzes/33004/history?version=1
https://pucminas.instructure.com/courses/1765/quizzes/33004/take?user_id=46471
11/11/2021 21:20 Atividade Objetiva de Revisão - Princípios e técnicas de aprendizado: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33004 2/4
Tanto aprendizado supervisionado quanto análise de agrupamento não supervisionado precisam de pelo menos um
atributo
 categórico. 
 de saída. 
 de entrada. 
Atributo de entrada é necessário em ambos os estios de aprendizado.
 oculto 
1 / 1 ptsPergunta 2
Suponha que você identificou diversos atributos multi-colineares (que podem ser escritos em função de outros
atributos). Você tem as seguintes alternativas para preparação de dados.
1. Remover ambos os atributos colineares.
2. Remover apenas um dos atributos colineares.
3. Utilizar modelos que penalizem dados colineares, se possível.
As ações que você executaria seriam:
 As ações 1 ou 3, apenas. 
 As ações 2 ou 3, apenas. 
11/11/2021 21:20 Atividade Objetiva de Revisão - Princípios e técnicas de aprendizado: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33004 3/4
A alternativa está correta.
 As ações 1 ou 2, apenas. 
 As ações 1, 2 ou 3, apenas. 
Você não pode remover todos os atributos pois, após a remoção dos atributos, você perderá toda a informação
sobre esses elementos. Você pode remover apenas um dos atributos, pois ele seria explicado pelo seu atributo
colinear ou você pode buscar identificar modelos que se mantém estáveis com atributos colineares ou que
penalizam esses atributos. Um exemplo desse tipo de modelo é a regressão LASSO.
1 / 1 ptsPergunta 3
Um sistema educacional possui duas formas de registrar o rendimento acadêmico. Em disciplinas regulares o
rendimento é representado como conceito: A, B, C, D e E. Em disciplinas de trabalho orientado o rendimento é
representado apenas como APROVADO/REPROVADO.
 
Sobre tipos de dados, podemos afirmar que
 
O rendimento de disciplinas regulares é um atributo qualitativo nominal, enquanto o rendimento dos trabalhos orientados é
um atributo qualitativo binominal simétrico.
11/11/2021 21:20 Atividade Objetiva de Revisão - Princípios e técnicas de aprendizado: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33004 4/4
 
O rendimento de disciplinas regulares é um atributo qualitativo nominal, enquanto o rendimento dos trabalhos orientados é
um atributo qualitativo binominal assimétrico.
 
O rendimento de disciplinas regulares é um atributo qualitativo ordinal, enquanto o rendimento dos trabalhos orientados é um
atributo qualitativo binominal assimétrico.
 
O rendimento de disciplinas regulares é um atributo qualitativo ordinal, enquanto o rendimento dos trabalhos orientados é um
atributo qualitativo binominal simétrico.
A alternativa está correta.
O rendimento de disciplinas regulares é um atributo qualitativo ordinal, uma vez que representam dados
categóricos que possuem uma relação de ordem entre eles (A > B > C > D > E), enquanto o rendimento dos
trabalhos orientados é um atributo qualitativo binominal simétrico, uma vez que aquele que não foi aprovado foi
automaticamente reprovado.
Pontuação do teste: 3 de 3