Atividade de fixação - Preparação de dados_ 14 - Machine Learning (2023)

Prévia do material em texto

14/04/2024, 16:27 Atividade de fixação - Preparação de dados: 14 - Machine Learning (2023)
https://pucminas.instructure.com/courses/145875/quizzes/381668 1/2
Atividade de fixação - Preparação de dados
Entrega Sem prazo
Pontos 4
Perguntas 3
Limite de tempo Nenhum
Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 3 minutos 4 de 4
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 4 de 4
Enviado 14 abr em 16:31
Esta tentativa levou 3 minutos.

Pergunta 1
2 / 2 pts
Dado quantitativo
 
temperatura
Dado qualitativo binominal
 
sexo
Dado qualitativo ordinal
 
ordem de nascimento
Dado qualitativo nominal
 
cor do olho

Pergunta 2
1 / 1 pts
Fazer o teste novamente
Relacione os tipos de dados com as informações que se deseja medir a seguir:
Sobre o processo de preparação de dados, podemos afirmar que
https://pucminas.instructure.com/courses/145875/quizzes/381668/history?version=1
https://pucminas.instructure.com/courses/145875/quizzes/381668/take?user_id=194797
14/04/2024, 16:27 Atividade de fixação - Preparação de dados: 14 - Machine Learning (2023)
https://pucminas.instructure.com/courses/145875/quizzes/381668 2/2
 Campos do tipo data ou moeda podem frequentemente sofrer com inconsistência por formato de codificação. 
Campos do tipo data ou moeda podem realmente sofrer com inconsistência por formato de
codificação. 
 
Registros com dados conflitantes devem ser agregados em um único registro para não produzirem conhecimento
falso.
 Atributos redundantes podem ajudar a acelerar a convergência dos modelos.
 Ruídos de atributos tendem a ser aleatórios, enquanto ruídos de classe devem-se a erros de medição.

Pergunta 3
1 / 1 pts
 Falso
 Verdadeiro
A afirmativa está correta, pois essas são as principais estratégias para lidar com dados omissos.
Lidar com dados omissos é uma tarefa básica da fase de preparação de dados e influencia
diretamente o desempenho dos modelos.
Pontuação do teste: 4 de 4
Entre as estratégias para lidar com dados omissos estão: remoção de atributos, remoção de
registros, inferência de valores ou atribuição de valores especiais.