Questões resolvidas
Relacione os tipos de dados com as informações que se deseja medir a seguir:
Dado quantitativo temperatura Dado qualitativo binominal sexo Dado qualitativo ordinal ordem de nascimento Dado qualitativo nominal cor do olho
Sobre o processo de preparação de dados, podemos afirmar que
Campos do tipo data ou moeda podem frequentemente sofrer com inconsistência por formato de codificação.
Campos do tipo data ou moeda podem realmente sofrer com inconsistência por formato de codificação.
Ruídos de atributos tendem a ser aleatórios, enquanto ruídos de classe devem-se a erros de medição.
Registros com dados conflitantes devem ser agregados em um único registro para não produzirem conhecimento falso.
Atributos redundantes podem ajudar a acelerar a convergência dos modelos.
Entre as estratégias para lidar com dados omissos estão: remoção de atributos, remoção de registros, inferência de valores ou atribuição de valores especiais.
Verdadeiro A afirmativa está correta, pois essas são as principais estratégias para lidar com dados omissos
Falso Lidar com dados omissos é uma tarefa básica da fase de preparação de dados e influencia diretamente o desempenho dos modelos.
Crie sua conta grátis para liberar esse material. 🤩
Já tem uma conta?
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Crie sua conta grátis para liberar esse material. 🤩
Já tem uma conta?
Ao continuar, você aceita os Termos de Uso e Política de Privacidade
Prévia do material em texto
Pontuação desta tentativa: 3 de 3 Enviado 16 ago em 19:06 Esta tentativa levou 7 minutos. 1 / 1 ptsPergunta 1 Relacione os tipos de dados com as informações que se deseja medir a seguir: Dado quantitativo temperatura Dado qualitativo binominal sexo Dado qualitativo ordinal ordem de nascimento Dado qualitativo nominal cor do olho 1 / 1 ptsPergunta 2 Sobre o processo de preparação de dados, podemos afirmar que Campos do tipo data ou moeda podem frequentemente sofrer com inconsistência por formato de codificação. Campos do tipo data ou moeda podem realmente sofrer com inconsistência por formato de codificação. Ruídos de atributos tendem a ser aleatórios, enquanto ruídos de classe devem-se a erros de medição. Registros com dados conflitantes devem ser agregados em um único registro para não produzirem conhecimento falso. Atributos redundantes podem ajudar a acelerar a convergência dos modelos. 1 / 1 ptsPergunta 3 Entre as estratégias para lidar com dados omissos estão: remoção de atributos, remoção de registros, inferência de valores ou atribuição de valores especiais. Falso Verdadeiro A afirmativa está correta, pois essas são as principais estratégias para lidar com dados omissos. Lidar com dados omissos é uma tarefa básica da fase de preparação de dados e influencia diretamente o desempenho dos modelos. Pontuação do teste: 3 de 3
