Baixe o app para aproveitar ainda mais
Prévia do material em texto
Fazer teste: ATIVIDADE - Machine Learning Parte superior do formulário Informações do teste Descrição Instruções Várias tentativas Este teste permite várias tentativas. Forçar conclusão Este teste pode ser salvo e retomado posteriormente. Suas respostas foram salvas automaticamente. Estado de Conclusão da Pergunta: PERGUNTA 1 1. A partir do conceito e do funcionamento das Redes Neurais Artificiais (RNAs) fundamentas em Haykin (2007), analise as seguintes assertivas quanto à veracidade – V para Verdadeiro ou F para Falso: I - RNAs são inspiradas no modelo biológicos de processamento de informação humano. II - O neurônio artificial combina o vetor de entradas com um conjunto de pesos associados às entradas. III - A função quadrática é um tipo especial de função ativação. IV - RNAs trabalham com uma única central de processamento, semelhante ao cérebro humano. As assertivas I, II, III e IV são, RESPECTIVAMENTE: a. F, V, F, F. b. V, V, F, F. c. V, V, F, V. d. F, F, V, V. e. F, V, F, V. 0,5 pontos PERGUNTA 2 1. Considere as assertivas a seguir a respeito das medidas de avaliação de regras de associação em mineração de padrões frequentes: I - Suporte corresponde ao número de transações para as quais a regra realiza uma predição correta. II - Confiança corresponde ao número de transações que ela prediz corretamente e é proporcional às transações para as quais ela se aplica. III - Lift corresponde à razão da frequência esperada de ocorrência do antecedente sem o consequente se eles forem independentes entre si pela frequência de predições incorretas. IV - Convicção corresponde à razão entre a confiança da regra e a contagem do suporte do consequente da regra. As assertivas I, II, III e IV são, RESPECTIVAMENTE: a. F, V, F, F. b. F, V, F, V. c. V, V, F, F. d. F, F, V, V. e. V, V, F, V. 0,5 pontos PERGUNTA 3 1. A respeito das abordagens existentes para a formação de grupos usando técnicas de agrupamento hierárquico, é CORRETO AFIRMAR que: a. Na abordagem aglomerativa, a quantidade de grupos deve ser definida antes da execução do processo. b. Existe apenas um grupo iniciado e finalizado pela abordagem divisiva, ainda que os parâmetros do algoritmo sejam modificados. c. As abordagens aglomerativa e divisiva são complementares à abordagem associativa, responsável pela formulação correta dos grupos. d. Independentemente da abordagem selecionada, uma quantidade de grupos é formada ao final do processo. e. Na abordagem aglomerativa, todos os grupos são iniciados com todos os exemplos do conjunto de dados. 0,5 pontos PERGUNTA 4 1. Segundo Lorena e De Carvalho (2003), a boa capacidade de generalização, a robustez em grandes dimensões de dados e o pertencimento a uma Teoria bem estabelecida são os principais fatores que tornam atrativo o uso das Máquinas de Vetores de Suporte (SVMs). A respeito das SVMs, é CORRETO AFIRMAR que: a. Apresenta grandes desafios na indução de modelos com baixa dimensão ou grande quantidade de outliers. b. O algoritmo hebbiano usando em RNAs também pode ser aplicado às SVMs, se adaptado. c. Embora o processo de predição seja lento, o modelo apresenta uma taxa de verdadeiros positivos superior a 80% na maior parte dos casos. d. O propósito de um modelo SVM é discriminar classes com a maior margem possível por meio de um hiperplano. e. O processo de treinamento de uma SVM é orientado por meio da otimização das funções lineares C e γ. 0,5 pontos PERGUNTA 5 1. Considere as seguintes asserções a respeito do algoritmo DBSCAN: I - Trata-se de um método baseado em densidade que forma grupos hierárquicos de controle para a geração de grupos a partir um conjunto pré-definido de exemplos. II - Um novo grupo é descoberto a partir da densidade de exemplos existentes na vizinhança de um exemplo já pertencente a um grupo. III - Após a descoberta dos grupos, o algoritmo é responsável por categorizar os novos exemplos nas partições encontradas. Corresponde ao funcionamento do algoritmo DBSCAN o que se afirma em: a. I e II, apenas. b. I, apenas. c. II, apenas. d. II e III, apenas. e. I e III, apenas. 0,5 pontos PERGUNTA 6 1. Leia atentamente as informações contidas nas Colunas A e B para, em seguida, assinalar a alternativa que reúne as correspondências CORRETAS entre as informações nelas colunas. Coluna A Coluna B I - Hierárquico 1 - single-linkage. II - Particional 2 - divisivo III - Baseado em Densidade 3 - -means. 4 - DBSCAN a. I-4; I-2; II-4; III-1. b. I-2; II-1; II-3; III-4. c. I-3; I-2; II-4; III-3. d. I-3; II-1; III-4; III-1. e. I-1; I-2; II-3; III-4. 0,5 pontos PERGUNTA 7 1. Segundo Lorena e De Carvalho (2003), a boa capacidade de generalização, a robustez em grandes dimensões de dados e o pertencimento a uma Teoria bem estabelecida são os principais fatores que tornam atrativo o uso das Máquinas de Vetores de Suporte (SVMs). A respeito das SVMs, é CORRETO AFIRMAR que: a. Apresenta grandes desafios na indução de modelos com baixa dimensão ou grande quantidade de outliers. b. O processo de treinamento de uma SVM é orientado por meio da otimização das funções lineares C e γ. c. O algoritmo hebbiano usando em RNAs também pode ser aplicado às SVMs, se adaptado. d. Embora o processo de predição seja lento, o modelo apresenta uma taxa de verdadeiros positivos superior a 80% na maior parte dos casos. e. O propósito de um modelo SVM é discriminar classes com a maior margem possível por meio de um hiperplano. 0,5 pontos PERGUNTA 8 1. O algoritmo Apriori parte da premissa de que todos os subconjuntos de um conjunto frequente são também frequentes. Considerando o fragmento apresentado, analise as seguintes asserções quanto à veracidade das proposições: O algoritmo Apriori sofre quando a quantidade de itens frequentes é muito grande. PORQUE O algoritmo tem dificuldade para tratar uma grande quantidade de conjuntos candidatos. a. A primeira proposição é falsa, e a segunda proposição é verdadeira. b. A primeira proposição é verdadeira, e a segunda proposição é falsa. c. As duas proposições são verdadeiras, e a segunda justifica a primeira. d. As duas proposições são falsas. e. As duas proposições são verdadeiras, mas a segunda não justifica a primeira. 0,5 pontos PERGUNTA 9 1. Uma forma de organizar os métodos e as tarefas de Machine Learning é por meio de algum processo taxonômico. Entre as principais formas de organização está a classificação por meio de paradigmas. Leia atentamente as informações contidas nas Colunas A e B para, em seguida, assinalar a alternativa que reúne as correspondências CORRETAS entre as informações nessas contidas. Coluna A Coluna B I - Aprendizado supervisionado 1 - Classificação II - Aprendizado não-supervisionado 2 - Agrupamento 3 - Regressão a. II-1; II-2; I-3. b. II-1; II-2; II-3. c. I-1; II-2; I-3. d. II-1; I-2; II-3. e. I-1; I-2; I-3. 0,5 pontos PERGUNTA 10 1. Leia atentamente as informações contidas nas Colunas A e B para, em seguida, assinalar a alternativa que reúne as correspondências CORRETAS entre as informações nessas contidas: Coluna A Coluna B I - 1-NN. 1 - Método de otimização baseado na Teoria do Aprendizado Estatístico. II - Naïve Bayes. 2 - São derivadas das árvores de decisão e podem ser mais facilmente interpretadas. III - Regras de decisão. 3 - Computa medidas de probabilidade para prever eventos futuros. IV - SVMs. 4 - Calcula a distância euclidiana usando os exemplos de treinamento. a. I-1; II-2; III-3; IV-4. b. I-4; II-3; III-2; IV-1. c. I-1; II-2; III-4; IV-3. d. I-3; II-4; III-2; IV-1. e. I-2; II-1; III-3; IV-4. 0,5 pontos
Compartilhar