PUC_MINAS_Atividade Objetiva de Revisão - Classificação e previsão_ 09 Machine Learning (2019)

Prévia do material em texto

11/11/2021 21:08 Atividade Objetiva de Revisão - Classificação e previsão: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33013 1/4
Atividade Objetiva de Revisão - Classificação e previsão
Entrega Sem prazo Pontos 4 Perguntas 4 Limite de tempo Nenhum Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 Menos de 1 minuto 4 de 4
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 4 de 4
Enviado 11 nov em 21:08
Esta tentativa levou Menos de 1 minuto.
Fazer o teste novamente
1 / 1 ptsPergunta 1
Qual modelo de aprendizado supervisionado é considerado fácil de interpretar o processo de tomada de decisão?
 Árvore de Decisão. 
Correto. As árvores de decisão são considerados os modelos mais fáceis de interpretar, uma vez que cada nó 
corresponde a exatamente uma tomada de decisão sobre um único atributo. Um caminho a partir do nó raiz até o nó 
folha representa exatamente uma regra do processo indutivo.
https://pucminas.instructure.com/courses/1765/quizzes/33013/history?version=1
https://pucminas.instructure.com/courses/1765/quizzes/33013/take?user_id=46471
11/11/2021 21:08 Atividade Objetiva de Revisão - Classificação e previsão: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33013 2/4
 K-NN 
 Redes Neurais MLP 
 Regressão linear 
1 / 1 ptsPergunta 2
Qual princípio é normalmente utilizado ao se induzir uma árvore de decisão?
 Errado. Selecionar árvores que codificam conjunções (AND). 
 Usar um ramo separado da árvore para cada amostra da base de treinamento. 
 Maximizar a profundidade da árvore. 
 Escolher um atributo que maximiza o ganho da informação. 
Correto. Quanto maior o ganho da informação produzido por um atributo, maior é a sua capacidade de classificar os 
dados, de forma que esse atributo é o escolhido.
11/11/2021 21:08 Atividade Objetiva de Revisão - Classificação e previsão: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33013 3/4
Maximizar a profundidade da árvore não deve ser buscado, pois uma árvore muito profunda tende a sofrer
overfitting dos dados.
Conjunções são uma forma de codificação de árvores de decisão, mas não é um atributo usado para
selecionar a melhor árvore.
Usar um ramo separado da árvore para cada amostra da base de treinamento modela o dado de forma tão
estrita que ela perde sua capacidade de generalização.
Quanto maior o ganho da informação produzido por um atributo, maior é a sua capacidade de classificar os
dados, de forma que esse atributo é o escolhido.
1 / 1 ptsPergunta 3
Qual a suposição feita pelo algoritmo de classificação Naïve Bayes?
 Todas as classes devem ter a mesma probabilidade a priori.
 Deve haver apenas duas classes (classificação binária). 
 As variáveis são condicionalmente independentes. 
Correto. Classificação Bayesiana supõe que as variáveis são condicionalmente independentes.
 Todos os atributos foram amostrados de uma distribuição Normal. 
11/11/2021 21:08 Atividade Objetiva de Revisão - Classificação e previsão: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33013 4/4
1 / 1 ptsPergunta 4
A restrição de uma rede neural com apenas uma camada é que
 elas modelam apenas operadores de conjunção. 
 os valores de sinal só podem ir em uma direção. 
 elas conseguem apenas fazer uma separação linear do espaço de soluções. 
Essa é a resposta correta. Redes com uma única camada só conseguem resolver problemas linearmente separáveis.
 é necessária uma taxa de aprendizado baixa para evitar instabilidade. 
Pontuação do teste: 4 de 4