ifrs moodle kdd prova 3 mineração de dados

Prévia do material em texto

Questão 1
Correto
Atingiu 1,00 de
1,00
Iniciado em quinta, 6 abr 2023, 12:09
Estado Finalizada
Concluída em quinta, 6 abr 2023, 12:21
Tempo
empregado
11 minutos 58 segundos
Avaliar 9,00 de um máximo de 10,00(90%)
Qual a topologia comumente adotada em uma rede neural nas aplicações em tarefas de mineração de
dados?
Escolha uma opção:
a. topologia dividida em camadas 
b. topologia da aproximação universal
c. topologia de pesos ajustáveis
d. topologia de retropropagação do erro
Questão 2
Correto
Atingiu 1,00 de
1,00
Questão 3
Incorreto
Atingiu 0,00 de
1,00
Analise a afirmativa abaixo:
A maioria dos problemas de classificação tem duas fases: primeiramente uma etapa de testes, executada a
partir do conjunto de dados de testes; e posteriormente, uma etapa de treinamento, preferencialmente
executada a partir de dados não contidos no conjunto de testes.
Escolha uma opção:
Verdadeiro
Falso 
Analise a afirmação abaixo:
O algoritmo de retropropagação do erro é o algoritmo de aprendizado supervisionado base para as redes
neurais MLP. O principal objetivo do algoritmo de retropropagação é maximizar a função de erro entre a
saída gerada pela rede neural e a saída real desejada.
Escolha uma opção:
Verdadeiro 
Falso
Questão 4
Correto
Atingiu 1,00 de
1,00
Questão 5
Correto
Atingiu 1,00 de
1,00
Analise a afirmativa abaixo:
A extração das regras se-então de um modelo de árvore de decisão é feito considerando um trajeto ou
caminho do nó raiz até um nó-folha da árvore. Os condicionais se de uma regra são formados pelos atributos
preditivos que surgem ao longo do caminho percorrido, testando os valores que os definem, e as
consequências então são formadas pelo atributo classe.
Escolha uma opção:
Verdadeiro 
Falso
Escolha a opção que completa corretamente cada lacuna na afirmativa abaixo:
Sobre os conceitos sobre árvores de decisão: o   é o item localizado no topo da árvore, sua
origem; os   são todos os itens representados na árvore; os  são as
ligações entre os nós; os  são os nós logo abaixo do respectivo nó-pai; e, por último, os
  , são os nós que não possuem filhos, onde as ramificações da árvore se encerram.
nó-raiz
nós ramos
nós-filhos
nós-folhas
Questão 6
Correto
Atingiu 1,00 de
1,00
Questão 7
Correto
Atingiu 1,00 de
1,00
Qual das alternativas elenca somente técnicas da tarefa de classificação do processo de KDD?
Escolha uma opção:
a. Árvores de Decisão, Aprendizado de Máquina e Redes Neurais Artificiais
b. Regressão, Redes Neurais Artificiais e Aprendizagem Indutiva
c. Máquinas de Vetores de Suporte, Árvores de Decisão e Redes Neurais Artificiais 
d. Árvores de Decisão, Redes Neurais Artificiais e Mineração de Dados
Analise a afirmativa abaixo:
A técnica de SVM é considerada caixa-preta, ou seja, o conhecimento extraído dos dados através desta
técnica encontra-se codificado em equações de difícil interpretação.
Escolha uma opção:
Verdadeiro 
Falso
Questão 8
Correto
Atingiu 1,00 de
1,00
Questão 9
Correto
Atingiu 1,00 de
1,00
Sobre a topologia em camadas das redes neurais artificiais, indique a qual camada cada definição abaixo se
refere:
Camada na qual é realizado grande parte do processamento e o
aprendizado sobre os dados.

Camada na qual os dados são inseridos na rede neural.

Camada na qual o resultado é concluído e apresentado ao meio externo à
rede neural.

Camada intermediária
Camada de entrada
Camada de saída
Escolha a opção que completa corretamente cada lacuna na afirmativa abaixo:
  é uma parte da Inteligência Artificial responsável pelo desenvolvimento
de teorias computacionais com foco na criação de conhecimento artificial. Neste contexto,
  é o processo de construção de um modelo em que o ambiente (conjunto
de dados) é analisado na busca por tendências e padrões.
aprendizado de máquina
aprendizagem indutiva
Questão 10
Correto
Atingiu 1,00 de
1,00
Das afirmativas abaixo relacionadas aos algoritmos de indução de árvores de decisão, qual está correta?
Escolha uma opção:
a. O algoritmo ID3 utiliza como medida para o critério de seleção a Razão do Ganho, o qual baseia-se na
entropia como medida de impureza, quantificando a variação de um conjunto de exemplos em
relação aos valores do atributo alvo.
b. O algoritmo TDIDT é um algoritmo recursivo de busca gulosa que procura, sobre um conjunto de
atributos, aqueles que melhor agregam o conjunto de exemplos em subconjuntos maiores.
c. O algoritmo Top-Down Induction of Decision Tree (TDIDT) produz regras de decisão de forma implícita
numa árvore de decisão, a qual é construída por sucessivas divisões do conjunto de dados de
acordo com os valores de seus atributos preditivos.

d. O algoritmo C4.5 lida com atributos não categóricos;
◄ 3.5 Referências Seguir para... Avaliação do Curso ►
https://moodle.ifrs.edu.br/mod/page/view.php?id=310177&forceview=1
https://moodle.ifrs.edu.br/mod/feedback/view.php?id=310180&forceview=1