Avaliação II - Machine Learning

Prévia do material em texto

<p>Prova Impressa</p><p>GABARITO | Avaliação II - Individual (Cod.:992574)</p><p>Peso da Avaliação 2,00</p><p>Prova 91024647</p><p>Qtd. de Questões 10</p><p>Acertos/Erros 10/0</p><p>Nota 10,00</p><p>A regressão logística é um classificador linear, membro do conjunto de modelos de regressão</p><p>linear chamado Modelos Lineares Generalizados, utilizado para o desenvolvimento dos mais diversos</p><p>tipos de previsões com machine learning. Assumindo que os dados de um dataset qualquer já foram</p><p>carregados nas variáveis de treino e teste: X_train, X_test, y_train, y_test, sobre a implementação da</p><p>Regressão Logística com o scikit-learn, e para que o método seja executado com êxito, ordene os itens</p><p>a seguir:</p><p>I- from sklearn.linear_model import LogisticRegression</p><p>II- classificador_RLog = LogisticRegression(random_state=0)</p><p>III- print('A acurácia da Regressão Logistíca na base de treino é: {:.2f}</p><p>'.format(classificador_RLog.score(X_train_normalizado,y_train)))</p><p>IV- classificador_RLog.fit(X_train_normalizado, y_train)</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>A IV - III - II - I.</p><p>B I - II - III - IV.</p><p>C I - II - IV - III.</p><p>D IV - II - III - I.</p><p>VOLTAR</p><p>A+ Alterar modo de visualização</p><p>1</p><p>Avaliação II - Individual https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/e...</p><p>1 of 6 24/10/2024, 08:27</p><p>Esse tipo de método é considerado do tipo aprendizado preguiçoso, pois só olha os dados de</p><p>treinamento quando precisa classificar um novo objeto. A partir de um novo objeto, de suas</p><p>características, dispostas no espaço cartesiano, um novo objeto será classificado. Sobre o tipo de</p><p>método de aprendizado de máquina a que o texto se refere, assinale a alternativa CORRETA:</p><p>A Métodos Baseados em Distância.</p><p>B Métodos Probabilísticos.</p><p>C Máquinas de Vetores de Suporte.</p><p>D Redes Neurais.</p><p>A distância euclidiana é uma das medidas de dissimilaridade entre comunidades mais utilizada</p><p>na prática. Assim, quanto menor o valor da distância euclidiana entre dois objetos, mais próximas elas</p><p>se apresentam em termos de parâmetros quantitativos. Considere a fórmula da distância euclidiana</p><p>apresentada em anexo e classifique V para as sentenças verdadeiras e F para as falsas:</p><p>( ) Xi representa um determinado objeto (dentro de X) sob qual se calculará a distância.</p><p>( ) Yi representa um determinado objeto (dentro de Y) sob qual se calculará a distância.</p><p>( ) i=o significa que haverá uma iteração terminando em 0.</p><p>( ) n representa o número de objetos que serão iterados.</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>A F - V - F - V.</p><p>B V - F - F - V.</p><p>C V - F - V - F.</p><p>D V - V - F - V.</p><p>O Scikit-Learn é uma biblioteca para Python que oferece uma grande variedade de métodos de</p><p>aprendizado de máquina, tanto nas áreas de aprendizado supervisionado quanto em aprendizado não</p><p>supervisionado. Sobre o Scikit-Learn e sua implementação, analise as afirmações a seguir:</p><p>( ) Ao utilizar from sklearn. import estará sendo importado do scikit-learn o método e seus recursos</p><p>2</p><p>3</p><p>4</p><p>Avaliação II - Individual https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/e...</p><p>2 of 6 24/10/2024, 08:27</p><p>poderão ser utilizados.</p><p>( ) x = LinearRegression() é uma instância de uma rede neural.</p><p>( ) O comando train é utilizado para ajustar os dados e fazer com que o método aprenda.</p><p>( ) O comando predict permite utilizar o método para predição.</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>FONTE: MASIERO, Andrey Araujo; FERREIRA, Leonardo Anjoletto; AQUINO, Plinio Thomaz.</p><p>Algoritmos de clusterização e python científico apoiando modelagem de usuário. Livro dos Tutoriais</p><p>do sobre Fatores Human, p. 42, 2012.</p><p>A V - F - F - V.</p><p>B F - V - F - V.</p><p>C F - V - V - F.</p><p>D V - F - F - F.</p><p>A classificação, também denominada de categorização, é a atividade de rotular dados com suas</p><p>respectivas categorias temáticas, a partir de um conjunto de dados predefinidos. Os métodos de</p><p>classificação podem ser de aprendizado on-line ou off-line, de acordo com a capacidade de construir e</p><p>atualizar do classificador. Sobre as métricas de classificação, classifique V para as sentenças</p><p>verdadeiras e F para as falsas:</p><p>( ) A precisão é a porcentagem de amostras classificadas como pertencentes à classe positiva e que</p><p>realmente fazem parte de tal classe.</p><p>( ) A revocação, também chamada de sensibilidade ou recall, é uma métrica que, entre todas as</p><p>situações de classe positiva como valor esperado, indica quantas estão corretas.</p><p>( ) Os verdadeiros negativos são baseados na classificação correta da classe negativa.</p><p>( ) A revocação é a porcentagem de amostras classificadas como pertencentes à classe positiva e que</p><p>realmente fazem parte de tal classe.</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>A F - V - V - F.</p><p>B V - V - V - F.</p><p>C F - V - F - V.</p><p>D V - F - V - F.</p><p>A classificação é uma tarefa de machine learning que tem por objetivo classificar itens de dados</p><p>em uma entre diversas classes previamente definidas, com base em propriedades comuns, entre um</p><p>5</p><p>6</p><p>Avaliação II - Individual https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/e...</p><p>3 of 6 24/10/2024, 08:27</p><p>conjunto de objetos no banco de dados. Sobre a saída de um classificador binário analise os exemplos</p><p>que se encaixam nesse tipo assinalando-os com V ou F.</p><p>( ) Reconhecer como "positivo" ou "negativo".</p><p>( ) Diagnosticar se um paciente tem determinada doença.</p><p>( ) Classificar um texto em 20 tipos de categorias.</p><p>( ) Determinar se uma foto contém um item específico ou não.</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>FONTE: MAXIMO, Fernando Attique; OLIVEIRA, SR de M.; LOPES-ASSAD, Maria Leonor.</p><p>Avaliação de métodos de seleção de atributos para classificação de solos. In: Embrapa Informática</p><p>Agropecuária-Artigo em anais de congresso (ALICE). In: CONGRESSO BRASILEIRO DE</p><p>AGROINFORMÁTICA, 6., 2007, São Pedro, SP. Anais... Campinas: Embrapa Informática</p><p>Agropecuária, 2007.</p><p>A F - V - V - F.</p><p>B V - F - V - F.</p><p>C V - V - F - V.</p><p>D F - F - V - V.</p><p>O SVM é uma técnica de Aprendizagem de Máquina desenvolvida por Vapnik em 1995, que é</p><p>fundamentada na Teoria de Aprendizado Estatístico e utilizada para a classificação de dados.</p><p>Assumindo que os dados de um dataset qualquer já foram carregados nas variáveis de treino e teste:</p><p>X_train, X_test, y_train, y_test, sobre a implementação do SVM com o scikit-learn e para que o</p><p>método seja executado com êxito, ordene os itens a seguir:</p><p>I- print('A acurácia do SVM na base de treino é: {:.2f} '.for-</p><p>mat(classificador_SVM.score(X_train_normalizado, y_train)))</p><p>II- classificador_SVM.fit(X_train_normalizado, y_train)</p><p>III- classificador_SVM = svm.SVC()</p><p>IV- from sklearn import svm</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>FONTE: DOSCIATTI, Mariza Miola; FERREIRA, L. P. C.; PARAISO, E. C. Identificando emoções</p><p>em textos em português do Brasil usando máquina de vetores de suporte em solução multiclasse.</p><p>ENIAC-Encontro Nacional de Inteligência Artificial e Computacional. Fortaleza, Brasil, 2013.</p><p>A I - II - III - IV.</p><p>B IV - II - I - III.</p><p>C IV - III - II - I.</p><p>7</p><p>Avaliação II - Individual https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/e...</p><p>4 of 6 24/10/2024, 08:27</p><p>D IV - II - III - I.</p><p>Os métodos de classificação baseados em distância consideram proximidade entre dados em</p><p>relação ao espaço cartesiano. Esse tipo de método considera que dados similares tendem a estar em</p><p>uma mesma região no espaço de entrada. Sobre os elementos que compõem a classificação, baseados</p><p>em distância, associe os itens, utilizando o código a seguir:</p><p>I- Similaridade.</p><p>II- Dissimilaridade.</p><p>III- Minkowski.</p><p>IV- Euclidiana.</p><p>( ) Um tipo de proximidade na qual quanto maior o valor observado, mais parecidos são os objetos.</p><p>Por exemplo, o coeficiente de correlação.</p><p>( ) Um tipo de proximidade na qual quanto maior o valor observado, menos parecidos (mais</p><p>dissimilares) serão os objetos.</p><p>( ) É uma das medidas de dissimilaridade entre</p><p>comunidades mais utilizadas na prática. Quanto</p><p>menor o valor da distância euclidiana entre dois objetos, mais próximas elas se apresentam em termos</p><p>de parâmetros quantitativos por classe; logo, quanto menor a distância euclidiana, maior a eficiência</p><p>do procedimento.</p><p>( ) É uma generalização da distância euclidiana, em que r é um parâmetro, n é o número de</p><p>dimensões (atributos) e pk e qk são, respectivamente, os k-ésimos atributos (componentes) dos</p><p>objetos de dados p e q.</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>A I - II - IV - III.</p><p>B I - II - III - IV.</p><p>C IV - III - I - II.</p><p>D IV - III - II - I.</p><p>O classificador Naïve Bayes é construído utilizando dados de treinamento para estimar a</p><p>probabilidade de um documento pertencer a uma classe. O teorema de Bayes, mostrado em anexo, é</p><p>utilizado para estimar estas probabilidades. Sobre a fórmula, classifique V para as sentenças</p><p>verdadeiras e F para as falsas:</p><p>( ) P (x) é a probabilidade original do preditor.</p><p>( ) P (c l x) é a probabilidade posterior da classe (c, alvo) dado preditor (x, atributos).</p><p>( ) x é o conjunto de dados.</p><p>( ) P(C) é a probabilidade original da classe.</p><p>Assinale a alternativa que apresenta a sequência CORRETA:</p><p>8</p><p>9</p><p>Avaliação II - Individual https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/e...</p><p>5 of 6 24/10/2024, 08:27</p><p>FONTE: OLIVEIRA, G. L.; NETO, M. G. M. Expertext: Uma ferramenta de combinação de</p><p>múltiplos classificadores naive bayes. Anales de la 4ª Jornadas Iberoamericanas de Ingeniería de</p><p>Software e Ingeniería de Conocimiento. Madrid, v. 1, p. 317-32, 2004.</p><p>A F - V - V - V.</p><p>B F - F - F - F.</p><p>C V - V - V - V</p><p>D V - F - F - F.</p><p>Uma das bases de dados mais utilizadas para estudos de machine learning é o conjunto de dados</p><p>Iris, no qual a partir de um conjunto de dados sobre flores, é possível realizar sua classificação.</p><p>Acerca do conjunto de dados Iris e o campo que representa seu rótulo em uma tarefa de classificação,</p><p>assinale a alternativa CORRETA:</p><p>A SepalLengthCm.</p><p>B Species.</p><p>C PetallLengthCm.</p><p>D Id.</p><p>10</p><p>Imprimir</p><p>Avaliação II - Individual https://ava2.uniasselvi.com.br/subject/grades-and-tests/answer-book/e...</p><p>6 of 6 24/10/2024, 08:27</p>