AV1B_ G OUT FIA 5 - Fundamentos de Inteligência Artificial

Prévia do material em texto

18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 1/20
AV1B
Entrega 20 nov em 23:59 Pontos 25 Perguntas 10
Disponível 8 nov em 0:00 - 20 nov em 23:59 13 dias Limite de tempo 120 Minutos
Tentativas permitidas 2
Instruções
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 42 minutos 25 de 25
 As respostas serão mostradas após a última tentativa
Pontuação desta tentativa: 25 de 25
Enviado 18 nov em 19:22
Esta tentativa levou 42 minutos.
Leia com atenção as orientações abaixo antes de iniciar esta prova:
Serão permitidas duas tentativas para realizar esta avaliação, prevalecendo a maior nota.
Programe-se para realizar suas avaliações com tranquilidade, pois você terá 120 minutos
cronometrados para conclusão e envio das respostas.
Ao iniciar a avaliação o cronômetro não para, independentemente da plataforma estar aberta ou
não.
Durante a realização da prova:
Será exibido uma questão por vez, podendo “Avançar” ou “Voltar” quando necessário dentro do
período da tentativa.
A tentativa somente será contabilizada após clicar no botão “Enviar”.
Fazer o teste novamente
2,5 / 2,5 ptsPergunta 1
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029/history?version=1
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029/take?user_id=12503
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 2/20
Ao lidar com dados estatísticos, é importante distinguir entre "população"
dos conjuntos de dados e "amostra" dos conjuntos de dados. Em um
volume de dados, a população contém todos os membros de um grupo
específico. Por outro lado, a amostra de um grupo de dados contém uma
parte, ou um subconjunto, de uma população. O tamanho de uma
amostra é sempre menor do que o tamanho da população da qual é
retirada.
Considerando essas informações e os conteúdos estudados na
disciplina, analise as asserções a seguir:
I. A população pode ser todas as pessoas que vivem no Brasil. 
II. A amostra pode ser todas as pessoas que vivem no Nordeste. 
III. A amostra pode ser todas as pessoas entre 40 e 50 anos que vivem
no Brasil.
Está correto apenas o que se afirma em:
 II e III. 
 I e III. 
 I apenas. 
 III apenas. 
 II apenas. 
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 3/20
Feedback:
Quando falamos de população estamos tratando o todo, ou seja,
todas as pessoas que vivem no Brasil, sem exceção.
O conceito de amostra está relacionado a pegarmos uma parte da
população, ou seja, uma parte do todo. A asserção diz “todas as
pessoas que vivem no Nordeste”, logo isso caracteriza uma
população. Se fosse afirmado: “todas as pessoas do Brasil que
vivem no Nordeste”, teríamos o Brasil como população e as
pessoas que vivem no Nordeste como amostra.
O todo (população) são as pessoas que vivem no Brasil. A
amostra são as pessoas que vivem no Brasil e que possuem entre
40 e 50 anos.
Veja mais sobre amostra e população no tópico 1 da unidade 3.
2,5 / 2,5 ptsPergunta 2
Leia o trecho a seguir:
Em uma pesquisa, o entrevistador fez a seguinte pergunta: “A caridade é
o melhor meio de ajudar as pessoas que mais necessitam?”. Foi
elaborado um questionário com 10 pontuações em uma escala, em que 1
(valor mínimo) é “Discordo totalmente” e 10 (valor máximo) é “Concordo
totalmente”. A seguir encontram-se os dados coletados.
6 4 7 2 9 
1 4 4 6 4 
1 6 9 8 4 
2 7 1 8 3
Considerando esses dados, bem como as informações fornecidas, pode-
se considerar como informações corretas a respeito dos dados da
amostra:
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 4/20
 
Pode-se dizer que pelo menos 60% das pessoas deram nota menor do
que a média.
 
O valor modal (moda) é 4 e corresponde a 25% da amostra. Pode ser
obtido com o método mode().
 
O valor modal (moda) é o que aparece com maior frequência e, nesse
caso, foi o número 1.
 
O desvio padrão para essa amostra é igual ao valor da média e é obtido
pelo método desvpad().
 
A mediana e a média possuem o mesmo valor. Nesse caso, podem ser
obtidas pelo método median().
Feedback:
Para esse exercício, coloque todos os dados em ordem crescente.
Como a amostra possui um número par de dados, haverá 2
números centrais cujo valor é 4. Ache a média desses dois valores
e, então, teremos a mediana, que é 4. Na amostra temos 5
entradas para o número 4, logo 5/20 ou 1/4 ou 25% da amostra
corresponde ao valor 4. Por fim, para obtermos o valor modal,
utilizamos o método mode().
Veja mais no tópico 2 da unidade 3.
2,5 / 2,5 ptsPergunta 3
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 5/20
Uma certa marca de guloseimas cria embalagem para seu produto com o
objetivo de que contenha aproximadamente o mesmo número de jujubas
por embalagem. No entanto, o procedimento de preenchimento não é
perfeito. Os pacotes são preenchidos com uma média de 375 jujubas,
mas o número que entra em cada sacola é normalmente distribuído com
um desvio padrão de 8.
Ontem Maria foi à loja e comprou quatro desses pacotes em preparação
para uma festa da primavera. Maria estava curiosa e contou o número de
jujubas nessas embalagens – suas quatro sacolas continham uma média
de 382 jujubas.
A partir do cenário apresentado, qual dos seguintes casos é um
parâmetro?
 
Entende-se por parâmetro populacional o número médio de jujubas em
todas as embalagens, que é de 375.
 
O parâmetro pode ser obtido somando e subtraindo o valor do desvio
padrão em relação ao preenchimento médio de todas as embalagens de
jujuba, logo o parâmetro pode ser 375 + 8 e 375 - 8.
 
Podemos dizer que o número médio de jujubas nas embalagens de Maria
é igual a 382, logo esse é o parâmetro populacional.
 
Entende-se por parâmetro a média entre o número médio de jujubas nas
embalagens de Maria e o número médio de jujubas em todas embalagens,
tendo como total 378,5.
 
O parâmetro será a soma do número médio das jujubas em todas as
embalagens feitas com o número médio das jujubas das embalagens de
Maria, totalizando 757.
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 6/20
Feedback:
Um parâmetro é um número que descreve a população. Então,
aqui, o parâmetro deve ser o número médio de jujubas em todas
as embalagens feitas, que é 375.
Veja mais no tópico 1 da unidade 3.
2,5 / 2,5 ptsPergunta 4
O proprietário de um restaurante, vendo a baixa nas vendas diárias,
decidiu realizar uma pesquisa com o objetivo de saber a opinião dos
clientes sobre os seus pratos. Durante 7 dias ele pediu aos clientes para
avaliarem o serviço com notas que iam de zero (muito insatisfeito) até
dez (muito satisfeito).
No findar dos 7 dias, o proprietário estava com os seguintes dados: 20
clientes atribuíram a nota 0 ao restaurante; 180 dos entrevistados
atribuíram a nota 10; e 200 clientes deram a nota 5 ao restaurante,
totalizando 400 clientes. Como forma de incentivo, o proprietário ofereceu
R$200,00 aos empregados se acaso a média, a moda ou a mediana
estivessem acima de 7,5 pontos. Por outro lado, caso os clientes tenham
avaliado muito mal e a média for menor ou igual a 5, o proprietário dará
desconto de 10% aos clientes.
A partir dessas informações e do conteúdo estudado no livro da
disciplina, podemos considerar que o que acontecerá no restaurante
será:
 
Com o comando mean() obteve-se média igual a 7,5, a mediana foi 10 e a
moda foi 5. Dessa forma, o proprietário dará R$200,00 aos funcionários e
não mudará nada em relação aos clientes
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de InteligênciaArtificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 7/20
 
A média obtida com o comando median() foi 4, a mediana foi 6 e a moda
foi 5. Dessa forma, o proprietário dará desconto de 10% aos clientes e não
mudará nada em relação aos funcionários
 
A média obtida com o comando median() foi 8, a mediana foi 5 e a moda
obtida pelo comando mode() foi 5, logo não mudará nada no restaurante.
 
Com o comando mean() foi obtida a média 7, com o comando median() foi
obtida a mediana 5 e a moda obtida pelo comando mode() foi 5. Dessa
forma, não mudará nada no restaurante
 
A média foi 4, a mediana foi 4 e a moda que foi obtida pelo método mode()
resultou em 8. Dessa forma, os funcionários receberão R$200,00 e os
clientes terão desconto de 10%.
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 8/20
Feedback:
A figura abaixo ilustra o processo de análise para obtermos a
moda e a mediana. Note que o tamanho da amostra é igual a 400.
Vamos ordenar os dados do menor para o maior (ou seja, de zero
a dez). A primeira seta da segunda linha indica que, do intervalo
de 0 a 20, essas pessoas deram nota zero. A segunda seta, ainda
na mesma linha, indica que, no intervalo de 20 a 220, os
entrevistados deram 5 pontos. Por fim, a última seta indica que, do
intervalo entre 220 e 400, os entrevistados deram 10 pontos.
 
Note que, se colocarmos uma marcação bem no centro da
segunda linha, essa marcação cairá exatamente sobre o intervalo
de 20 a 220, ou seja, intervalo de 5 pontos. Logo, a mediana é 5.
A moda é o valor que mais aparece que, nesse caso, também é o
5. Por outro lado, a média é a soma de todos os valores dividida
pelo tamanho da amostra, que é 400 – 2800/400 = 7, logo a média
é 7. Assim temos: média 7, mediana e moda 5. Os respectivos
métodos para encontrarmos esses valores são: para média é
mean(), para mediana é median() e para moda é o mode(). Dessa
forma, de acordo com os dados do enunciado, não haverá
mudança no restaurante.
Veja mais no tópico 2 da unidade 3.
2,5 / 2,5 ptsPergunta 5
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 9/20
Uma mediana divide um conjunto de dados em duas partes iguais. O
conjunto pode ser subdividido ainda mais em quatro partes iguais por
valores chamados quartis. Os quartis dividem o conjunto de dados em
quartos com cada quarto contendo um quarto (ou 25%) dos dados. Os
quartis são como "medianas" adicionais da metade inferior e superior do
conjunto de dados. Um quartil é um número e não é um intervalo de
valores.
Uma empresa deseja saber o número de acessos ao seu site. Para tanto,
registrou o número de acessos (em milhares) durante 15 dias. Veja os
dados coletados: 19, 12, 9, 7, 17, 10, 6, 18, 9, 14, 19, 8, 5, 17, 9.
A partir dessas informações e do conhecimento estudado no livro da
disciplina, responda qual alternativa apresenta o método para calcular o
segundo quartil bem como quanto será o seu valor.
 
Para encontrar o segundo quartil utilizamos df.quartile(0.5) e o seu valor
será 10.
 
Para encontrar o segundo quartil utilizamos df.quartile(2) e o seu valor
será 6.
 
Para encontrar o segundo quartil utilizamos df.quartile(2) e o seu valor
será 10.
 
Para encontrar o segundo quartil utilizamos df.quartile(50) e o seu valor
será 6.
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 10/20
 
Para encontrar o segundo quartil utilizamos df.quartile(50) e o seu valor
será 10.
Feedback:
Antes de tudo, vamos pegar os dados coletados e organizar em
ordem crescente, ficando assim: 5, 6, 7, 8, 9, 9, 9, 10, 12, 14, 17,
17, 18, 19, 19. O valor do segundo quartil é o mesmo da mediana
que, por sua vez, é o exato valor do meio que, para nós, é o 10.
Logo, temos que a mediana será 10. Para encontrar um
determinado quartil, utilizamos o método quartile, passando como
parâmetro qual quartil desejamos, se o primeiro (0.25), se o
segundo (0.5) ou o terceiro (0.75).
Veja mais no tópico 2 da unidade 3.
2,5 / 2,5 ptsPergunta 6
O aprendizado de máquina supervisionado é uma classe de problemas
de aprendizado no qual se procura inferir o valor da variável dependente
a partir das variáveis independentes.
Considere as asserções abaixo:
I - Determinar a doença de um paciente com base nos resultados dos
exames. 
II - Determinar as características de compras dos consumidores de um
supermercado. 
III - Determinar a direção de um robô em um ambiente com base nas
respostas dos sensores. 
IV - Determinar o risco de intrusão em uma rede de computadores com
base nos ataques anteriores dos hackers.
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 11/20
Em relação às asserções anteriores, quais dizem respeito ao
aprendizado de máquina supervisionado?
 II e III. 
 III e IV. 
 I e IV. 
 II e IV. 
 I e III. 
Feedback:
No aprendizado de máquina supervisionado, a característica
básica que o define é a relação existente entre uma variável
dependente e outras variáveis independentes, sendo o trabalho do
algoritmo estabelecer de forma computacional essa relação de
causa-consequência, como apresentado na unidade 4, tópico 1.1.
2,5 / 2,5 ptsPergunta 7
Considere o seguinte conjunto de dados abaixo como sendo o resultado
da classificação de um conjunto de testes ao passar por um classificador
supervisionado.
Tempo Temperatura Vento Pedalar Classificador
Sol Calor Fraco Sim Sim
Sol Calor Forte Não Sim
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 12/20
Nublado Calor Fraco Sim Sim
Chuva Amena Fraco Sim Não
Chuva Frio Fraco Não Não
Chuva Frio Forte Não Sim
Nublado Frio Forte Sim Sim
Sol Amena Fraco Não Não
Nublado Frio Forte Não Não
Chuva Amena Fraco Sim Sim
Escolha a alternativa que melhor representa a Matriz de Confusão que
representa o cenário anterior:
 
    Classe esperada
    Sim Não
Classe
predita
Sim 3 2
Não 1 4
 
    Classe esperada
    Sim Não
Classe
predita
Sim 4 1
Não 2 3
 
    Classe esperada
    Sim Não
Classe
predita
Não 4 1
Sim 2 3
 
    Classe classificador
    Sim Não
Classe
predita
Sim 3 2
Não 1 4
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 13/20
 
    Classe esperada
    Sim Não
Classe
original
Sim 4 1
Não 2 3
Feedback:
Como apresentado na unidade 4, tópico 3, a classe original dada
ao algoritmo de aprendizado de máquina supervisionado é
chamado de classe esperada, rótulo, classe original, label,
variável dependente, consequência etc.
Já a classe calculada pelo algoritmo de aprendizado de máquina
supervisionado é chamada de classe predita, calculada,
descoberta etc. Dessa forma:
• VP = verdadeiro positivo, ou seja, número de exemplos para os
quais classe predita = classe esperada = “Sim”; 
• VN = verdadeiro negativo, ou seja, número de exemplos para os
quais classe predita = classe esperada = “Não”; 
• FP = falso positivo, ou seja, número de exemplos para os quais
classe predita = “Sim”, mas a classe esperada = “Não”; 
• FN = falso negativo, ou seja, número de exemplos para os quais
classe predita = “Não”, mas a classe esperada = “Sim”.
2,5 / 2,5 ptsPergunta 8
O aprendizado de máquina não supervisionado é uma classe de
problemas de aprendizado na qual se procura estabelecer agrupamentos
de informações que compartilham das mesmas características.
Considere as asserções abaixo: 
I - Determinar grupos de pacientes com base nos resultados dos exames. 
II - Determinar as características de compras dos consumidores de um
supermercado, agregando-os. 
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/3102914/20
III - Determinar a direção de um carro autônomo em uma rodovia com
base nas respostas dos sensores. 
IV - Determinar o risco de intrusão em uma rede de computadores com
base nos ataques anteriores dos hackers.
Em relação às asserções anteriores, quais dizem respeito ao
aprendizado de máquina não supervisionado?
 II e III. 
 II e IV. 
 I e II. 
 III e IV. 
 I e III. 
Feedback:
No aprendizado não supervisionado, o algoritmo de aprendizado
de máquina deve procurar por grupos que tenham as mesmas
características com base nos valores das variáveis contidas no
conjunto de dados, como apresentado na unidade 4, tópico 1.1.
2,5 / 2,5 ptsPergunta 9
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 15/20
Fonte: adaptado de https://encrypted-tbn0.gstatic.com/images?
q=tbn%3AANd9GcTCkQ7P_O-rTJYb586nhxz0UKSEaCTwI_nQ4Q&usqp=CAU Acesso
em: 23 jul. 2020.
A ilustração acima possui duas situações com um veículo autônomo
ingressando em uma rotatória. Um veículo ingressou pela esquerda e
acabou indo parar no canteiro da rotatória. O outro veículo (poderia ser o
mesmo em outra situação) já adentrou na rotatória, no que parece estar
correto até aquele momento. Nas duas situações há uma sinalização de
reprova ou aprovação a depender do sucesso da direção do veículo até
aquele ponto.
Qual a alternativa que melhor descreve o tipo de aprendizado sendo
utilizado?
 
Aprendizado não supervisionado, porque o veículo autônomo irá seguir o
mesmo caminho de outros veículos que já passaram pela rotatória e que
são do mesmo grupo indicado pelos sinais de aprovação e rejeição.
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 16/20
 
Aprendizado supervisionado, porque existe uma variável simbolizada
pelos sinais de aprovação e rejeição, indicando o caminho correto a ser
percorrido pelo veículo autônomo.
 
Aprendizado supervisionado, porque, diante da ação tomada pelo agente
inteligente, tem-se um retorno de rejeição ou aprovação relativo às
consequências decorrentes daquela ação.
 
Aprendizado por reforço, porque, diante da ação tomada pelo agente
inteligente, tem-se um estímulo de rejeição ou aprovação relativo às
consequências decorrentes daquela ação.
 
Aprendizado por reforço, porque existe uma variável simbolizada pelos
sinais de aprovação e rejeição indicando o caminho a ser percorrido pelo
veículo autônomo.
Feedback:
No aprendizado por reforço em aprendizado de máquina, derivado
da teoria de aprendizagem criada pelo psicólogo behaviorista B. F.
Skinner, o elemento-chave é o estímulo-resposta, no qual um
agente produz respostas comportamentais a depender de
estímulos positivos ou negativos, os quais, por sua vez, vão gerar
novas respostas em um ciclo, de acordo com a unidade 4, tópico
1.4.
2,5 / 2,5 ptsPergunta 10
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 17/20
Considere o conjunto de dados a seguir como sendo o conjunto de dados
original a ser utilizado por um algoritmo de aprendizado de máquina
supervisionado:
Dia Tempo Temperatura Vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D5 Chuva Frio Fraco Não
D6 Chuva Frio Forte Não
D7 Nublado Frio Forte Sim
D8 Sol Amena Fraco Não
D9 Nublado Frio Forte Não
D10 Chuva Amena Fraco Sim
Considerando o que já foi estudado e a prática usual sobre os conjuntos
de dados de treinamento e de teste, uma representação deles pode ser
encontrada em:
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 18/20
 
Conjunto de treinamento
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D5 Chuva Frio Fraco Não
Conjunto de teste
Dia Tempo Temperatura vento Pedalar
D6 Chuva Frio Forte Não
D7 Nublado Frio Forte Sim
D8 Sol Amena Fraco Não
D9 Nublado Frio Forte Não
D10 Chuva Amena Fraco Sim
 
Conjunto de treinamento
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D5 Chuva Frio Fraco Não
D6 Chuva Frio Forte Não
D7 Nublado Frio Forte Sim
D8 Sol Amena Fraco Não
Conjunto de teste
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 19/20
 
Conjunto de treinamento
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D7 Nublado Frio Forte Sim
D10 Chuva Amena Fraco Sim
Conjunto de teste
Dia Tempo Temperatura vento Pedalar
D2 Sol Calor Forte Não
D5 Chuva Frio Fraco Não
D6 Chuva Frio Forte Não
D8 Sol Amena Fraco Não
D9 Nublado Frio Forte Não
 
Conjunto de treinamento
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D5 Chuva Frio Fraco Não
D6 Chuva Frio Forte Não
D7 Nublado Frio Forte Sim
D8 Sol Amena Fraco Não
D9 Nublado Frio Forte Não
D10 Chuva Amena Fraco Sim
Conjunto de teste
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D5 Chuva Frio Fraco Não
D6 Chuva Frio Forte Não
D7 Nublado Frio Forte Sim
D8 Sol Amena Fraco Não
D9 Nublado Frio Forte Não
D10 Chuva Amena Fraco Sim
18/11/21, 19:22 AV1B: G.OUT.FIA.5 - Fundamentos de Inteligência Artificial
https://newtonpaiva.instructure.com/courses/13561/quizzes/31029 20/20
 
Conjunto de treinamento
Dia Tempo Temperatura vento Pedalar
D3 Nublado Calor Fraco Sim
D4 Chuva Amena Fraco Sim
D5 Chuva Frio Fraco Não
D6 Chuva Frio Forte Não
D7 Nublado Frio Forte Sim
D8 Sol Amena Fraco Não
D9 Nublado Frio Forte Não
D10 Chuva Amena Fraco Sim
Conjunto de teste
Dia Tempo Temperatura vento Pedalar
D1 Sol Calor Fraco Sim
D2 Sol Calor Forte Não
Feedback:
A divisão do conjunto original nos conjuntos de treinamento e de
teste usualmente é feita na proporção de 80% e 20%,
respectivamente, sem repetição dos dados entre um conjunto e
outro, de forma que, ao final, o desempenho do classificador
possa ser calculado com base em dados previamente não vistos
por ele, como apresentado na unidade 4, tópico 2.1.
Pontuação do teste: 25 de 25