Avaliação Final (Objetiva) - Machine Learning I - Classificação e Regressão (19367)

Prévia do material em texto

Prova Impressa
GABARITO | Avaliação Final (Objetiva) - Individual
(Cod.:886671)
Peso da Avaliação 3,00
Prova 69846807
Qtd. de Questões 10
Acertos/Erros 10/0
Nota 10,00
Uma das bases de dados mais utilizadas para estudos de machine learning é o conjunto de dados 
Iris, no qual a partir de um conjunto de dados sobre flores, é possível realizar sua classificação. 
Acerca do conjunto de dados Iris e o campo que representa seu rótulo em uma tarefa de classificação, 
assinale a alternativa CORRETA:
A Id.
B PetallLengthCm.
C Species.
D SepalLengthCm.
O Scikit-Learn é uma biblioteca para Python que oferece uma grande variedade de métodos de 
aprendizado de máquina, tanto nas áreas de aprendizado supervisionado quanto em aprendizado não 
supervisionado. Sobre o Scikit-Learn e sua implementação, analise as afirmações a seguir: 
( ) Ao utilizar from sklearn. import estará sendo importado do scikit-learn o método e seus recursos 
poderão ser utilizados.
( ) x = LinearRegression() é uma instância de uma rede neural. 
( ) O comando train é utilizado para ajustar os dados e fazer com que o método aprenda. 
( ) O comando predict permite utilizar o método para predição.
Assinale a alternativa que apresenta a sequência CORRETA:
FONTE: MASIERO, Andrey Araujo; FERREIRA, Leonardo Anjoletto; AQUINO, Plinio Thomaz. 
Algoritmos de clusterização e python científico apoiando modelagem de usuário. Livro dos Tutoriais 
do sobre Fatores Human, p. 42, 2012.
A F - V - V - F.
B F - V - F - V.
C V - F - F - V.
 VOLTAR
A+
Alterar modo de visualização
1
2
D V - F - F - F.
Tendo como objetivo otimizar o funcionamento de uma regressão diminuindo o seu erro e custo, 
torna-se necessário conhecer a função de custo. A função de custo, também chamada de função de 
erro, deve ser otimizada (minimizada) por meio de um determinado procedimento (algébrico ou 
iterativo), de forma a melhor se ajustar à amostra de dados disponível para treinamento.
A I - II - III - IV - V.
B I - IV - III - II - IV.
C V - IV - III - II - I.
D II - I - V - IV - III.
Machine Learning, compreendido como o aprendizado de máquina a partir dos dados 
previamente conhecidos, é definido como um campo preocupado com a questão de como construir 
programas de computador que melhorem automaticamente a experiência do usuário. Também pode 
ser dividido em: Tarefa (T), Medida de Desempenho (P) e Experiência de Treinamento (E). 
Considerando o problema de Detectar um perfil de clientes para fornecer cartão de crédito, associe os 
itens, utilizando o código a seguir:
I- Tarefa T. 
II- Medida de Desempenho P.
III- Experiência de Treinamento E. 
( ) Uma base de dados histórica em que os clientes já conhecidos são previamente classificados 
como bons ou maus pagadores.
( ) Porcentagem de clientes classificados corretamente.
( ) Classificar potenciais novos clientes como bons ou maus pagadores.
Assinale a alternativa que apresenta a sequência CORRETA:
A II - I - III.
B III - II - I.
3
4
C I - II - III.
D III - I - II.
Antes mesmo do conceito e sua aplicação em cenários de Machine Learning, a análise de 
regressão é usada para encontrar equações que se ajustem aos dados. Assim que se obtém a equação 
de regressão, é possível usar o modelo para fazer previsões. Sobre a função de regressão linear 
simples, assinale a alternativa CORRETA:
A y = a + bx
B y = a + b
C y = a + x
D y = bx
Os sistemas de Machine Learning, em português conhecidos como sistema de aprendizagem 
automática ou sistemas de aprendizado de máquina, podem ajudar a descobrir padrões, realizar 
determinadas tarefas através da generalização de casos e na utilização de dados. Os algoritmos de 
aprendizado de máquina têm um modo de aprendizado que são apresentados exemplos do que é 
desejado como entrada e saída, de modo que o objetivo é aprender uma regra que mapeia a entrada na 
saída. Com base nesse modo, assinale a alternativa CORRETA:
A Aprendizado por sistemas.
B Aprendizado supervisionado.
C Aprendizado não supervisionado.
D Aprendizado por reforço.
O scikit-learn é uma biblioteca de Python que possui várias implementações de algoritmos de 
aprendizado de máquina, tais como de regressão, classificação e agrupamento. Foi projetado para 
facilitar o uso do aprendizado de máquina através de uma linguagem simplificada. Assumindo que os 
dados de um dataset qualquer já foram carregados nas variáveis de treino e teste: X_train, X_test, 
y_train, y_test. Sobre a implementação do Naive Bayes com o scikit-learn, para que o comando seja 
executado com êxito, ordene os itens a seguir: 
I- print('A acurácia do Naive Bayes na base de treino é: {:.2f} 
'.format(classificador_NB.score(X_train_normalizado, y_train)))
II- classificador_NB = MultinomialNB()
III- classificador_NB.fit(X_train_normalizado, y_train)
IV- from sklearn.naive_bayes import MultinomialNB
Assinale a alternativa que apresenta a sequência CORRETA:
5
6
7
FONTE: COSTA, Axel Vieira Gomes et al. Classificador de fake news utilizando um modelo de 
aprendizado de máquina com técnicas de processamento de linguagem natural. 2020. Disponível em: 
https://repositorio.ufersa.edu.br/handle/prefix/5851. Acesso em: 13 abr. 2021.
A I - II - III - IV.
B IV - II - III - I.
C IV - III - II - I.
D I - III - IV - II.
Em machine learning, as tarefas mais conhecidas são as de classificação e de regressão. A 
regressão é uma técnica que permite inferir a relação de uma variável de resposta (y) com variáveis 
explicativas (x). Com base na função apresentada em anexo, ao generalizar a função de uma regressão 
linear, tendo em vista a possibilidade de vários valores de entrada (x), associe os itens, utilizando o 
código a seguir:
A III - IV - I - II.
B I - II - III - IV.
C IV - III - II - I.
D I - IV - III - II.
Em um exemplo de utilização de regressão linear, quando utilizado para a predição da 
produtividade de uma cultura, este pode ter seu desempenho prejudicado se houver fatores que 
alterem a produtividade da planta, mas que não sejam explicados quantitativamente pelos atributos 
independentes. Sobre a regressão linear, classifique V para as sentenças verdadeiras e F para as falsas:
( ) A regressão linear é uma tentativa de modelar uma equação matemática não linear, que descreve 
o relacionamento entre duas variáveis.
( ) A regressão pode ser representada por f(x) = a + bx.
( ) Os valores de a e b são calculados com base nos valores de entrada.
( ) É possível implementar a regressão linear no Python.
Assinale a alternativa CORRETA com a sequência de Verdadeiro (V) ou Falso (F).
FONTE: PRESTES, Christopher Djonny Pereira et al. Predição de produtividade de trigo por meio de 
dados espectrais e altura estimada da planta obtidos por meio de aeronave remotamente pilotada. 
2020. Disponível em: https://tede2.uepg.br/jspui/handle/prefix/3276. Acesso em: 16 abr. 2021.
8
9
A V - F - V - F.
B F - F - V - V.
C F - V - V - V.
D F - V - F - F.
Importante para a formulação do conceito de Machine Learning, o exemplo do jogo denominado 
"game of checkers", proposto no experimento de Arthur Samuel (1959), tratava de um programa de 
aprendizado de máquina para jogar damas. Com base na definição do Machine Learning, assinale a 
alternativa CORRETA:
A Um programa que aprende a partir da experiência E, em relação a uma classe de tarefas T, com
medida de desempenho P, se seu desempenho em T, medido por P, melhora com E.
B Um programa que aprende a partir da execução E, em relação ao tempo T, com medida de
desempenho P, se seu desempenho em T, medido por P, melhora com E.
C Um programa que aprende a partir da experiência E, em relação a uma classe de tarefas T, com
medida de problemas P, se seu desempenho em T, medido por P, melhora com E.
D Um programa que aprende a partir da experiência E, em relação ao tempo T, com medida de
desempenho P, se seu desempenho em T, medido por P, melhora com E.
10
Imprimir