Atividade 2 (A2)_ Modelos de Aprendizagem em Maquina

Prévia do material em texto

Iniciado em terça, 6 jun 2023, 23:30
Estado Finalizada
Concluída em terça, 6 jun 2023, 23:45
Tempo empregado 14 minutos 50 segundos
Avaliar 10,00 de um máximo de 10,00(100%)
Questão 1
Correto
Atingiu 1,00 de 1,00
Questão 2
Correto
Atingiu 1,00 de 1,00
Inúmeras são as técnicas que utilizam o Aprendizado de Máquina para prever um possível resultado, cada uma com sua particularidade. O KNN,
ou Nearest Neighbour Retrieval (Vizinho mais próximo), é considerado uma das técnicas mais simples deste modelo de aprendizado, que tem
como objetivo resolver problemas se baseando na sua distância com os casos existentes.
 
Com base nessas informações e o conteúdo estudado sobre o algoritmo KNN, responda: qual é a técnica que representa este modelo de
Aprendizagem?
a. Aprendizado Supervisionado - técnica de Classificação.
b. Aprendizado não Supervisionado - técnica de Clusterização.
c. Aprendizado Supervisionado - técnica de Clusterização.
 
 
d. Aprendizado não Supervisionado - técnica de Classificação.
e. Aprendizado não Supervisionado - técnica de Regressão.
Para utilizar o Aprendizado Supervisionado, inicialmente, necessita-se de um conjunto de dados já rotulados. Esses dados, muitas vezes, podem
vir diagnosticados como ruidosos, ou seja, podem estar duplicados, faltosos ou inconsistentes, comprometendo a resposta a ser dada pela
máquina.
O sobreajuste dos dados ocorre quando o modelo se adaptou muito bem aos dados os quais está sendo treinado. Nesse contexto, o modelo está
adequado ao conjunto de dados de treino, mas não é capaz de se adaptar a novos dados. Isso ocorre quando os resultados obtidos no treinamento
são excelentes e apresenta resultado problemático em dados de teste.
 
Considerando os conteúdos estudados, a má adaptação de sobreajuste dos dados, ocorrida em Aprendizado de Máquina, é conhecida como:
a. RNA.
b. Adelaine.
c. Inconsistência de dados.
d. Underfitting.
e. Overfitting.
Questão 3
Correto
Atingiu 1,00 de 1,00
Questão 4
Correto
Atingiu 1,00 de 1,00
Questão 5
Correto
Atingiu 1,00 de 1,00
Classificar dados corresponde a dividir um conjunto de dados já pré-existentes em classes. Os dados serão classificados de acordo com sua
similaridade e, para que essa classificação aconteça, eles deverão passar por três níveis de processos.
 
Considerando essas informações e o conteúdo estudado sobre modelos de Classificação, quais são esses processos?
 
I. Pré-processamento.
II. Escolher o modelo de algoritmo.
III. Extração de características.
IV. Classificação.
 
Está correto apenas que se afirma em:
a. I, III e IV.
b. I, II e III.
 
c. I, II e IV.
d. II e III.
e. III e IV.
Diversos são os modelos de algoritmos que podem empregar técnicas de Mineração de Dados e Aprendizado de Máquina. Muitos deles são
utilizados para resolver problemas de Classificação quanto de Regressão, o que muda é o tipo de conjunto de dados a ser utilizado.
 
Com bases nessas informações e no conteúdo estudado sobre problemas de classificação e regressão, pode-se afirmar que um algoritmo capaz de
utilizar essas duas categorias é conhecido como:
a. Algoritmos de Clusterização.
b. Algoritmo a priori.
c. Redes Neurais Privadas.
d. Regras de Associação.
e. Redes Neurais Artificiais.
O Aprendizado Supervisionado é dividido em modelos de classificação e regressão, ambos com características próprias. O primeiro possui
variáveis de saída conhecidas como rótulos ou categorias, sendo que a função de mapeamento é responsável por prever uma classe ou categoria
para cada observação. Já no segundo modelo, a variável de saída pode representar um valor real de acordo com a definição do problema, como
um número inteiro, ou valor de ponto flutuante, como, por exemplo, quantidade e tamanho.
 
A partir dessas informações e do conteúdo estudado sobre métodos de classificação e regressão, os algoritmos que abordam as duas técnicas são:
a. Redes Neurais Artificiais e Algoritmos de Clusterização.
b. Redes Neurais Artificiais e Árvore de Decisão.
c. Algoritmos de Clusterização e Algoritmos a priori.
d. Regras de Associação e Algoritmos de Clusterização.
e. Regras de Associação e Árvore de Decisão.
Questão 6
Correto
Atingiu 1,00 de 1,00
Questão 7
Correto
Atingiu 1,00 de 1,00
Questão 8
Correto
Atingiu 1,00 de 1,00
Os algoritmos de regressão fazem parte do contexto de Aprendizado Supervisionado. Tratam-se de técnicas que não têm a capacidade de
sintetizar informações textuais, isto é, só conseguem predizer valores numéricos.
 
A partir dessas informações e do conteúdo estudado sobre modelos de Regressão, pode-se afirmar que estas variáveis são representadas por:
a. Valores booleanos.
b. Valores contínuos.
c. Valores não contínuos.
d. Valores inteiros.
e. Valores incertos.
Algoritmo SVR (Support Vector Regression), ou Regressão de Vetores de Suporte, trata-se de um modelo adaptado do classificador "Máquinas de
Vetores de Suporte" (SVM). A principal diferença destes dois modelos está nas variáveis que recebem, ou seja, cada um tem o seu tipo de variável
particular.
 
Com bases nessas informações e do conteúdo estudado sobre métodos de classificação e regressão, os tipos de variáveis que utilizam o modelo
SRV são conhecidos como:
a. Variáveis desordenadas contínuas.
b. Variáveis ordenadas categóricas.
c. Variáveis textuais.
d. Variáveis booleanas.
e. Variáveis ordenadas contínuas.
Ao se criar o modelo que se assemelha a uma árvore, o algoritmo possui em sua estrutura um maior nível hierárquico, localizado no topo da
árvore e seguindo por um conjunto de decisões, até que se chegue ao fim, onde será feita a tomada de decisão, ou seja, escolhida a resposta final.
 
Considerando essas informações e o conteúdo estudado, analise entre as partições a seguir quais são as que assemelham ao maior nível
hierárquico e a decisão final.
 
I. Ponto de partida.
II. Ramos.
III. Nó de decisão.
IV. Nó folha.
 
Está correto apenas o que se afirma em:
a. I e II.
b. I e IV.
c. II e III.
d. II, III e IV.
 
e. III e IV.
Questão 9
Correto
Atingiu 1,00 de 1,00
Questão 10
Correto
Atingiu 1,00 de 1,00
O conceito de Árvore de Decisão utilizado nos modelos de Aprendizado Supervisionado, tanto em algoritmos de Regressão como Classificação,
tem como finalidade auxiliar uma organização a tomar decisões e prever resultados.
São modelos formados por um conjunto de elementos repletos de informações e particionados em sub-regiões que percorrem caminhos
hierárquicos, visando auxiliar no processo de tomada de decisão.
 
A estrutura típica, que finaliza e indica que já não é mais possível atribuir nenhuma classe para o nó, demonstrando que é chegada a hora de tomar
a decisão correta, é conhecida como:
a. Ramos.
b. Nó de partição
c. Variáveis numéricas.
d. Nó folha.
e. Ponto de partida.
Uma empresa de produtos eletrônicos deseja fazer uma classificação de seus melhores clientes nos últimos dez anos. Para isso, o dono solicitou,
junto ao setor de T.I, que fosse realizado tal procedimento. Os profissionais coletaram as informações em um conjunto de dados históricos da
empresa, mas observaram que alguns dados estavam duplicados, com informações faltantes ou inconsistentes.
 
A partir dessas informações e do conteúdo estudado sobre conjunto de dados e suas características, pode-se afirmar que dados que possuem
alguma interferência em sua interpretação se referem a dados:
a. Dados equivocados.
b. Dados não estruturados.
c. Dados estragados.
d. Dados com ruídos ou ruidosos.
e. Dados faltosos e inconsistentes.