Baixe o app para aproveitar ainda mais
Prévia do material em texto
21/03/2024, 10:32 Avaliação II - Individual about:blank 1/5 Prova Impressa GABARITO | Avaliação II - Individual (Cod.:770122) Peso da Avaliação 1,50 Prova 54657421 Qtd. de Questões 10 Acertos/Erros 9/0 Canceladas 1 Nota 10,00 Os métodos de classificação baseados em distância consideram proximidade entre dados em relação ao espaço cartesiano. Esse tipo de método considera que dados similares tendem a estar em uma mesma região no espaço de entrada. Sobre os elementos que compõem a classificação, baseados em distância, associe os itens, utilizando o código a seguir: I- Similaridade. II- Dissimilaridade. III- Minkowski. IV- Euclidiana. ( ) Um tipo de proximidade na qual quanto maior o valor observado, mais parecidos são os objetos. Por exemplo, o coeficiente de correlação. ( ) Um tipo de proximidade na qual quanto maior o valor observado, menos parecidos (mais dissimilares) serão os objetos. ( ) É uma das medidas de dissimilaridade entre comunidades mais utilizadas na prática. Quanto menor o valor da distância euclidiana entre dois objetos, mais próximas elas se apresentam em termos de parâmetros quantitativos por classe; logo, quanto menor a distância euclidiana, maior a eficiência do procedimento. ( ) É uma generalização da distância euclidiana, em que r é um parâmetro, n é o número de dimensões (atributos) e pk e qk são, respectivamente, os k-ésimos atributos (componentes) dos objetos de dados p e q. Assinale a alternativa que apresenta a sequência CORRETA: A IV - III - I - II. B I - II - IV - III. C I - II - III - IV. D IV - III - II - I. Atenção: Esta questão foi cancelada, porém a pontuação foi considerada. A ideia básica do algoritmo dos K-vizinhos mais próximos é determinar a categoria de um determinado objeto com base em similaridades entre os documentos no espaço. Para calcular a similaridade, usa-se uma métrica de distância. Na imagem anexa, o ponto vermelho representa um novo objeto que não se sabe a classe. Com base na imagem e na execução do KNN, classifique V para as sentenças verdadeiras e F para as falsas: ( ) Considerando que K = 3, o ponto será na Classe B. ( ) Considerando que K = 5, o ponto será na Classe B. ( ) Considerando que K = 6, o ponto será na Classe A. ( ) Considerando que K = 7, o ponto será na Classe A. VOLTAR A+ Alterar modo de visualização 1 2 21/03/2024, 10:32 Avaliação II - Individual about:blank 2/5 Assinale a alternativa que apresenta a sequência CORRETA: A F - V - V - F. B F - V - F - V. C V - F - F - V. D V - F - V - V. Em sua definição, um problema de classificação, supervisionado, é um programa de computador que recebe amostras (entradas) e respostas esperadas (saídas) para elas, e gera uma hipótese genérica capaz de mapear as entradas para as saídas corretas. Sobre o modo de aprendizado dos algoritmos de classificação, assinale a alternativa CORRETA: FONTE: VON LOCHTER, Johannes. Máquinas de classificação para detectar polaridade de mensagens de texto em redes sociais. 2015. Disponível em: https://1library.org/document/zwvlopgq-maquinas- classificacao-detectar-polaridade-mensagens-texto-redes-sociais.html. Acesso em: 13 abr. 2021. A Supervisionado. B Por esforço. C Semi-supervisionado. D Não supervisionado. A classificação é uma tarefa de machine learning que tem por objetivo classificar itens de dados em uma entre diversas classes previamente definidas, com base em propriedades comuns, entre um conjunto de objetos no banco de dados. Sobre a saída de um classificador binário analise os exemplos que se encaixam nesse tipo assinalando-os com V ou F. ( ) Reconhecer como "positivo" ou "negativo". ( ) Diagnosticar se um paciente tem determinada doença. ( ) Classificar um texto em 20 tipos de categorias. ( ) Determinar se uma foto contém um item específico ou não. Assinale a alternativa que apresenta a sequência CORRETA: FONTE: MAXIMO, Fernando Attique; OLIVEIRA, SR de M.; LOPES-ASSAD, Maria Leonor. Avaliação de métodos de seleção de atributos para classificação de solos. In: Embrapa Informática Agropecuária-Artigo em anais de congresso (ALICE). In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 6., 2007, São Pedro, SP. Anais... Campinas: Embrapa Informática Agropecuária, 2007. A F - V - V - F. 3 4 21/03/2024, 10:32 Avaliação II - Individual about:blank 3/5 B F - F - V - V. C V - F - V - F. D V - V - F - V. A classificação, também denominada de categorização, é a atividade de rotular dados com suas respectivas categorias temáticas, a partir de um conjunto de dados predefinidos. Os métodos de classificação podem ser de aprendizado on-line ou off-line, de acordo com a capacidade de construir e atualizar do classificador. Sobre as métricas de classificação, classifique V para as sentenças verdadeiras e F para as falsas: ( ) A precisão é a porcentagem de amostras classificadas como pertencentes à classe positiva e que realmente fazem parte de tal classe. ( ) A revocação, também chamada de sensibilidade ou recall, é uma métrica que, entre todas as situações de classe positiva como valor esperado, indica quantas estão corretas. ( ) Os verdadeiros negativos são baseados na classificação correta da classe negativa. ( ) A revocação é a porcentagem de amostras classificadas como pertencentes à classe positiva e que realmente fazem parte de tal classe. Assinale a alternativa que apresenta a sequência CORRETA: A V - F - V - F. B V - V - V - F. C F - V - F - V. D F - V - V - F. 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 V - F - F - V. C V - F - F - F. D F - V - F - V. 5 6 21/03/2024, 10:32 Avaliação II - Individual about:blank 4/5 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 SepalLengthCm. B Id. C PetallLengthCm. D Species. 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: 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 IV - III - II - I. B I - II - III - IV. C I - III - IV - II. D IV - II - III - I. O SVM é uma técnica de Aprendizagem de Máquina desenvolvida por Vapnik em 1995, que é fundamentada na Teoria de Aprendizado Estatístico e utilizada para a classificação de dados. 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 SVM com o scikit-learn e para que o método seja executado com êxito, ordene os itens a seguir: 7 8 9 21/03/2024, 10:32 Avaliação II - Individual about:blank 5/5 I- print('A acurácia do SVM na base de treino é: {:.2f} '.for- mat(classificador_SVM.score(X_train_normalizado, y_train))) II- classificador_SVM.fit(X_train_normalizado, y_train) III- classificador_SVM = svm.SVC() IV- from sklearn import svm Assinale a alternativa que apresenta a sequência CORRETA: FONTE: DOSCIATTI, Mariza Miola; FERREIRA, L. P. C.; PARAISO, E. C. Identificando emoções em textos em português do Brasil usando máquina de vetores de suporte em solução multiclasse. ENIAC- Encontro Nacional de Inteligência Artificial e Computacional. Fortaleza, Brasil, 2013. A IV - II - I - III. B I - II - III - IV. C IV - III - II - I. D IV - II - III - I. O classificador Naïve Bayes é construído utilizando dados de treinamento para estimar a probabilidade de um documento pertencer a uma classe. O teorema de Bayes, mostrado em anexo, é utilizado para estimar estas probabilidades. Sobre a fórmula, classifique V para as sentenças verdadeiras e F para as falsas: ( ) P (x) é a probabilidade original do preditor. ( ) P (c l x) é a probabilidade posterior da classe (c, alvo) dado preditor (x, atributos). ( ) x é o conjunto de dados. ( ) P(C) é a probabilidade original da classe. Assinale a alternativa que apresenta a sequência CORRETA: FONTE: OLIVEIRA, G. L.; NETO, M. G. M. Expertext: Uma ferramenta de combinação de múltiplos classificadores naive bayes. Anales de la 4ª Jornadas Iberoamericanas de Ingeniería de Software e Ingeniería de Conocimiento. Madrid, v. 1, p. 317-32, 2004. A F - F - F - F. B F - V - V - V. C V - F - F - F. D V - V - V - V 10 Imprimir
Compartilhar