Base de Dados - Lista 1

Prévia do material em texto

Aprendizado de Máquina - Base de Dados
Lista de Exercícios Para Estudo - Pré-processamento de Dados
Essa lista de exercícios foi feita por aluno com o objetivo de revisar o entendimento dos principais
tópicos baseado nos materiais do professor da disciplina de Aprendizado de Máquina.
Exercícios
1. Por que o pré-processamento dos dados é essencial para algoritmos de aprendizado
de máquina?
2. Como a limpeza de dados influencia na qualidade das previsões?
3. Quais técnicas podem ser utilizadas para tratar valores ausentes em uma base de
dados?
4. Como o processo de integração de dados ajuda na análise de informações
provenientes de diferentes fontes?
5. Em que situações a redução de dimensionalidade é recomendada e por quê?
6. Qual é a importância da consistência dos dados durante o pré-processamento?
7. Como a normalização dos dados afeta o desempenho dos modelos de aprendizado?
8. Quais são as dificuldades na identificação e remoção de outliers em bases de
dados?
9. Como a transformação de dados categóricos em numéricos impacta a eficiência
dos modelos?
10. Quais são os desafios na escolha do método de preenchimento de valores
ausentes?
Gabarito
1. O pré-processamento é essencial porque os dados coletados frequentemente
apresentam problemas como valores ausentes, ruído e inconsistências, que
prejudicam a eficácia dos algoritmos e aumentam a chance de erros.
2. A limpeza de dados garante que apenas informações relevantes sejam utilizadas,
melhorando a precisão das previsões ao eliminar ruídos e dados incorretos que podem
enviesar os resultados.
3. Técnicas para tratar valores ausentes incluem ignorar instâncias incompletas,
preencher valores manualmente, utilizar uma constante global, ou aplicar médias e
medianas com base em amostras similares.
4. A integração de dados combina informações de múltiplas fontes para gerar uma
visão unificada e evitar redundância ou inconsistências, facilitando análises mais
precisas.
5. A redução de dimensionalidade é recomendada quando há muitos atributos
redundantes ou irrelevantes, pois simplifica o modelo e melhora a eficiência
computacional sem perder precisão.
6. A consistência é fundamental para evitar que discrepâncias e dados contraditórios
comprometam a integridade das análises e a confiabilidade das previsões.
7. A normalização coloca os dados em uma mesma escala, evitando que atributos
com magnitudes maiores dominem o processo de aprendizado, especialmente em
modelos sensíveis a variações numéricas.
8. Identificar outliers é desafiador porque nem sempre é evidente se um dado é uma
anomalia ou uma observação legítima. Métodos estatísticos e baseados em distância
são frequentemente utilizados, mas podem ser computacionalmente caros.
9. A transformação de dados categóricos é necessária para modelos que só lidam com
variáveis numéricas. Técnicas como One-Hot Encoding e variáveis dummy permitem
que esses dados sejam utilizados de forma eficiente.
10. Escolher a técnica correta para preencher valores ausentes é desafiador, pois a
solução adotada pode impactar a qualidade do modelo. Por exemplo, usar a média
pode ser inadequado se a distribuição dos dados for assimétrica.