Métodos de Classificação e Agrupamento

Prévia do material em texto

1. Qual a principal diferença entre classificação e agrupamento em aprendizado de máquina?
· a) A classificação atribui rótulos pré-definidos a novos dados, enquanto o agrupamento descobre grupos naturais nos dados sem rótulos prévios.
· b) A classificação é um processo supervisionado, enquanto o agrupamento é um processo não supervisionado.
· c) A classificação utiliza algoritmos mais complexos que o agrupamento.
· d) Apenas a e b estão corretas. Gabarito: d
2. Qual dos seguintes algoritmos é um exemplo de classificação?
· a) K-means
· b) Árvore de decisão
· c) DBSCAN
· d) Hierárquico aglomerativo Gabarito: b
3. Em um algoritmo de K-means, o valor de K representa:
· a) O número de atributos dos dados.
· b) O número de clusters a serem formados.
· c) A distância máxima entre dois pontos.
· d) O número de iterações do algoritmo. Gabarito: b
4. Qual a principal métrica utilizada para avaliar a qualidade de um agrupamento?
· a) Acurácia
· b) Precisão
· c) Coeficiente de Silhouette
· d) Entropia Gabarito: c
5. Qual das seguintes afirmações sobre o algoritmo DBSCAN é verdadeira?
· a) É um algoritmo de agrupamento hierárquico.
· b) É sensível ao parâmetro K.
· c) Identifica clusters de densidade variável.
· d) É mais eficiente que o K-means para grandes conjuntos de dados. Gabarito: c
6. Qual a principal vantagem dos métodos hierárquicos de agrupamento?
· a) São mais rápidos que os métodos de partição.
· b) Não requerem a definição de um número prévio de clusters.
· c) São mais precisos que os métodos de partição.
· d) São mais simples de implementar. Gabarito: b
7. O que é a matriz de confusão em um problema de classificação?
· a) Uma matriz que mostra a relação entre os clusters formados.
· b) Uma matriz que mostra a relação entre os atributos dos dados.
· c) Uma matriz que resume o desempenho de um classificador, mostrando as classes verdadeiras e as classes previstas.
· d) Uma matriz que mostra a distância entre os dados. Gabarito: c
8. Qual a importância da pré-processamento dos dados antes de aplicar um algoritmo de classificação ou agrupamento?
· a) Remover ruídos e outliers dos dados.
· b) Normalizar os dados para uma mesma escala.
· c) Transformar os dados em um formato adequado para o algoritmo.
· d) Todas as alternativas estão corretas. Gabarito: d
9. Qual a principal diferença entre um classificador linear e um não-linear?
· a) Um classificador linear utiliza funções lineares para separar as classes, enquanto um classificador não-linear utiliza funções não-lineares.
· b) Um classificador linear é mais preciso que um classificador não-linear.
· c) Um classificador linear é mais rápido que um classificador não-linear.
· d) Um classificador linear é mais fácil de interpretar que um classificador não-linear. Gabarito: a
10. Qual dos seguintes algoritmos é um exemplo de classificador não-linear?
· a) Regressão logística
· b) Máquina de vetores de suporte com kernel não-linear
· c) Árvore de decisão
· d) Todas as alternativas estão corretas. Gabarito: b