Logo Passei Direto
Buscar

PUC_MINAS_Atividade de fixação - Similaridade e distância_ 09 Machine Learning (2019)

Atividade de fixação sobre similaridade e distância (Machine Learning): duas questões de verdadeiro/falso com explicações e exemplo sobre Hamming versus Jaccard e sobre conversão distância→similaridade via 1/(1+distância).

Ferramentas de estudo

Questões resolvidas

Considerando a similaridade de Hamming h(x,y) = (a+d) / (a + b + c + d), para variáveis simétricas e a similaridade de Jaccard j(x, y) = a / (a + b + c), para variáveis assimétricas, podemos dizer que h(x, y) ≤ j(x,y).
Verdadeiro ou Falso?
Verdadeiro
Falso

As medidas de similaridade possuem, normalmente, valores entre 0 e 1, de forma que 0 indica objetos completamente dissimilares e 1 indica objetos idênticos. Desta forma é possível se inverter a medida de distância de forma que ela fique entre 0 e 1. Uma forma de se fazer essa conversão para qualquer medida de distância seria: Similaridade = 1 / (1 + Distância). Nessa equação, quando a distância for 0, então a similaridade será 1, indicando que os objetos são idênticos. Como as distâncias são sempre maiores ou iguais a 0, então para qualquer outro valor da distância, a similaridade será menor que 1.
Sempre é possível se definir uma medida de similaridade a partir de uma medida de distância.
Verdadeiro
Falso

Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Questões resolvidas

Considerando a similaridade de Hamming h(x,y) = (a+d) / (a + b + c + d), para variáveis simétricas e a similaridade de Jaccard j(x, y) = a / (a + b + c), para variáveis assimétricas, podemos dizer que h(x, y) ≤ j(x,y).
Verdadeiro ou Falso?
Verdadeiro
Falso

As medidas de similaridade possuem, normalmente, valores entre 0 e 1, de forma que 0 indica objetos completamente dissimilares e 1 indica objetos idênticos. Desta forma é possível se inverter a medida de distância de forma que ela fique entre 0 e 1. Uma forma de se fazer essa conversão para qualquer medida de distância seria: Similaridade = 1 / (1 + Distância). Nessa equação, quando a distância for 0, então a similaridade será 1, indicando que os objetos são idênticos. Como as distâncias são sempre maiores ou iguais a 0, então para qualquer outro valor da distância, a similaridade será menor que 1.
Sempre é possível se definir uma medida de similaridade a partir de uma medida de distância.
Verdadeiro
Falso

Prévia do material em texto

11/11/2021 21:07 Atividade de fixação - Similaridade e distância: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33009 1/3
Atividade de fixação - Similaridade e distância
Entrega Sem prazo Pontos 2 Perguntas 2 Limite de tempo Nenhum Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 Menos de 1 minuto 2 de 2
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 2 de 2
Enviado 11 nov em 21:07
Esta tentativa levou Menos de 1 minuto.
Fazer o teste novamente
1 / 1 ptsPergunta 1
Considerando a similaridade de Hamming h(x,y) = (a+d) / (a + b + c + d), para variáveis simétricas e a similaridade de
Jaccard j(x, y) = a / (a + b + c), para variáveis assimétricas, podemos dizer que h(x, y) ≤ j(x,y).
 Verdadeiro 
 Falso 
https://pucminas.instructure.com/courses/1765/quizzes/33009/history?version=1
https://pucminas.instructure.com/courses/1765/quizzes/33009/take?user_id=46471
11/11/2021 21:07 Atividade de fixação - Similaridade e distância: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33009 2/3
Apesar da presença de d no numerador sugerir que a similaridade de Hamming (também conhecido como matching
simples) será sempre menor ou igual à similaridade de Jaccard, na verdade, o fato das variáveis simétricas
considerarem dois valores negativos como um matching pode aumentar a similaridade de Hamming. Por exemplo, os
pontos x = (0; 1), y = (0; 0).produzem h(x,y) = 1/2 e j(x,y) = 0.
 
1 / 1 ptsPergunta 2
Sempre é possível se definir uma medida de similaridade a partir de uma medida de distância.
 Verdadeiro 
As medidas de similaridade possuem, normalmente, valores entre 0 e 1, de forma que 0 indica objetos completamente
dissimilares e 1 indica objetos idênticos. Desta forma é possível se inverter a medida de distância de forma que ela
fique entre 0 e 1. Uma forma de se fazer essa conversão para qualquer medida de distância seria:
Similaridade = 1 / (1 + Distância).
Nessa equação, quando a distância for 0, então a similaridade será 1, indicando que os objetos são idênticos. Como
as distâncias são sempre maiores ou iguais a 0, então para qualquer outro valor da distância, a similaridade será
menor que 1.
 
 Falso 
11/11/2021 21:07 Atividade de fixação - Similaridade e distância: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/33009 3/3
Pontuação do teste: 2 de 2

Mais conteúdos dessa disciplina