Prova Eletrônica_ Aprendizagem de Máquina e Mineração de Dados II

Prévia do material em texto

Prova Eletrônica
Entrega 30 abr em 23:59 Pontos 30 Perguntas 10
Disponível 28 mar em 0:00 - 30 abr em 23:59 aproximadamente 1 mês
Limite de tempo 60 Minutos Tentativas permitidas 4
Instruções
Histórico de tentativas
Tentativa Tempo Pontuação
MANTIDO Tentativa 3 14 minutos 21 de 30
MAIS RECENTE Tentativa 3 14 minutos 21 de 30
Tentativa 2 37 minutos 18 de 30
Tentativa 1 45 minutos 9 de 30
Pontuação desta tentativa: 21 de 30
Enviado 17 abr em 21:37
Esta tentativa levou 14 minutos.
A Prova Eletrônica tem peso 30 e é composta por:
10 (dez) questões objetivas (cada uma com o valor de 3 pontos);
Você terá 60 (sessenta) minutos para finalizar esta atividade
avaliativa e as respostas corretas serão apresentadas um dia após
a data encerramento da Prova Eletrônica.
Fazer o teste novamente
0 / 3 ptsPergunta 1
NÃO faz parte das etapas do processo de
Descoberta do Conhecimento em Base de
https://dombosco.instructure.com/courses/9318/quizzes/22734/history?version=3
https://dombosco.instructure.com/courses/9318/quizzes/22734/history?version=3
https://dombosco.instructure.com/courses/9318/quizzes/22734/history?version=2
https://dombosco.instructure.com/courses/9318/quizzes/22734/history?version=1
https://dombosco.instructure.com/courses/9318/quizzes/22734/take?user_id=18593
Dados: 
  Extração. ocê respondeuocê respondeu
  Extração. esposta corretaesposta correta
  Pré-processamento. 
  Transformação. 
  Avaliação. 
3 / 3 ptsPergunta 2
Os conceitos de dados, informação e
conhecimento são de grande importância na
gestão do conhecimento. Sobre eles, é correto
afirmar que: 
  A informação é obtida a partir do conceito de conhecimento. 
 
O processo de tomada de decisão em um sistema de informação tem
por base apenas os dados brutos.
  A informação é obtida acrescentando-se significado aos dados. 
  A informação é obtida a partir do conceito de conhecimento. 
  A informação é obtida acrescentando-se significado aos dados. Correto!Correto!
3 / 3 ptsPergunta 3
Ao submeter a
base diabetes.nominal.arff no Weka aos
classificadores NaiveBayes, DecisionTable e
J48 (configurações padrões) no
modo Experimenter (tipo de
experimento: cross-validation 10 / controle de
iteração: data sets first), é possível concluir
que:
  O classificador DecisionTable tem uma maior taxa de acerto 
  O pior classificador é o NaiveBayes 
  A taxa de erro do melhor classificador é de 24,25% Correto!Correto!
  A taxa de acerto do melhor classificador é de 74,49% 
  O melhor classificador é o J48 
3 / 3 ptsPergunta 4
Ao submeter a base credit-g.arff no Weka à
seleção de atributos com o avaliador de
atributo CfsSubsetEval e o método de
busca BestFirst, utilizando como modo de
seleção de atributo somente a base de
treinamento, observa-se que: 
  Os atributos selecionados são duration e credit_history 
 
Os atributos não selecionados são checking_status, duration e
credit_history
  30% dos atributos são selecionados 
  O atributo class, sendo a classe, pode ser ignorado 
  Dos 21 atributos, somente 3 são mais relevantes Correto!Correto!
3 / 3 ptsPergunta 5
Ao submeter a
base Weather.nominal.arff no Weka ao
algoritmo Apriori de regras de associação com
as suas configurações padrões, porém fazendo
a associação tender a classe (jogar ou não
jogar) observa-se que: 
 
50% das regras criadas apresentam a característica do tempo
ensolarado
 
Das 10 melhores regras criadas, 80% delas tendem para a classe “não
jogar”
 
Das 10 melhores regras criadas, 80% delas tendem para a classe
“jogar”
Correto!Correto!
  O atributo humidade aparece em 30% das regras 
  Temperatura é o atributo que mais aparece nas 10 melhores regras 
3 / 3 ptsPergunta 6
Dado um conjunto de treinamento que tem
como objetivo ajudar na identificação uma
fruta foi montada a seguinte árvore de decisão.
Qual é a classificação do exemplo de
características {amarelo; redonda; pequena}?
  Melancia. 
  Toranja. 
  Limão. Correto!Correto!
  Uva. 
  Maçã. 
0 / 3 ptsPergunta 7
Sinalize a alternativa INCORRETA sobre as
etapas do processo de Descoberta do
Conhecimento em Base de Dados: 
 
Na seleção de dados o objetivo é selecionar ou segmentar dados de
acordo com critérios definidos ou o conhecimento que se busca
adquirir.
 
Os formatos dos dados são dependentes da técnica de mineração de
dados que será utilizada e acontecem na fase de seleção.
ocê respondeuocê respondeu
 
A mineração de dados consiste na extração dos padrões de
comportamento dos dados.
 
Os formatos dos dados são dependentes da técnica de mineração de
dados que será utilizada e acontecem na fase de seleção.
esposta corretaesposta correta
 
Identificado os padrões pelo sistema, estes são interpretados em
conhecimentos, os quais darão suporte a tomada de decisões
humanas.
3 / 3 ptsPergunta 8
Gráficos auxiliam a visualização e a
distribuição dos dados, sendo uma valiosa
ferramenta para a apresentação visual de
indicadores. Sobre a visualização de dados
do Weka, é correto afirmar: 
  O tipo de gráfico apresentado no Weka é o gráfico de dispersão Correto!Correto!
  O número de gráficos gerados é 2 , onde A é o número de atributos A
 
Não há como selecionar apenas um gráfico para adquirir mais detalhes
sobre os dados
  O tipo de gráfico apresentado no Weka é o gráfico de setores 
  O tipo de gráfico apresentado no Weka é o gráfico de barras 
0 / 3 ptsPergunta 9
A respeito das técnicas e/ou métodos de
mineração de dados, assinale a opção correta. 
 
A regressão ou predição promove o aprendizado de uma função que
pode ser usada para mapear dados em uma de várias classes
discretas definidas previamente, bem como encontrar tendências que
possam ser usadas para entender e explorar padrões de
comportamento dos dados.
ocê respondeuocê respondeu
 
O agrupamento (ou clustering) realiza identificação de grupos de dados
que apresentam semelhança.
esposta corretaesposta correta
 
A tarefa de descrição envolve usar valores conhecidos de variáveis para
predizer o valor desconhecido ou futuro de variáveis de interesse.
 
O agrupamento (ou clustering) realiza identificação de grupos de dados
que apresentam semelhança.
 
A regressão ou predição promove o aprendizado de uma função que
pode ser usada para mapear dados em uma de várias classes discretas
definidas previamente, bem como encontrar tendências que possam
ser usadas para entender e explorar padrões de comportamento dos
dados.
3 / 3 ptsPergunta 10
Ao submeter a base breast-
cancer.arff no Weka à seleção de atributos
com o avaliador de atributo CfsSubsetEval e o
método de busca BestFirst, utilizando como
modo de seleção de atributo somente a base
de treinamento, observa-se que: 
 
Os atributos menos relevantes são tumor-size, inv-nodes, node-caps,
deg-malig e irradiat
  O atributo Class, sendo a classe, pode ser ignorado 
  Os atributos selecionados são tumor-size, inv-nodes e irradiat 
  Os atributos selecionados são inv-nodes e irradiat 
  50% dos atributos são selecionados Correto!Correto!
Pontuação do teste: 21 de 30