Modelagem Estatística e Otimização de Algoritmos para Previsões Preditivas

Prévia do material em texto

Prova 40: Modelagem Estatística e Otimização de Algoritmos para Previsões Preditivas
Introdução
Nesta prova, vamos explorar como técnicas estatísticas são aplicadas para otimizar algoritmos e melhorar as previsões de modelos preditivos. As questões envolvem a seleção de modelos, técnicas de validação e métodos para evitar problemas como overfitting e underfitting.
Questões
1. O que caracteriza a técnica de regularização L1 (Lasso) em modelos de regressão?
a) Penaliza a soma dos quadrados dos coeficientes do modelo.
b) Penaliza a soma absoluta dos coeficientes, resultando em alguns coeficientes iguais a zero.
c) Aumenta o número de variáveis no modelo.
d) Reduz a complexidade do modelo adicionando mais variáveis.
e) Remove variáveis irrelevantes ao longo do treinamento.
2. O que é o problema do viés (bias) em modelos preditivos?
a) O modelo tem dificuldades em aprender com dados de treinamento.
b) O modelo pode não ser capaz de capturar padrões complexos e tende a simplificar demais as relações nos dados.
c) O modelo não consegue generalizar para dados novos.
d) O modelo é excessivamente complexo e apresenta overfitting.
e) O modelo utiliza apenas uma variável para fazer previsões.
3. Em Machine Learning, o que significa underfitting?
a) O modelo não consegue aprender o suficiente durante o treinamento, resultando em um alto erro tanto nos dados de treinamento quanto nos dados de teste.
b) O modelo aprende excessivamente os dados de treinamento e apresenta bom desempenho nos dados de teste.
c) O modelo tem uma baixa taxa de erro em ambos os dados de treinamento e teste.
d) O modelo ajusta muito bem aos dados de treinamento e também aos dados de teste.
e) O modelo é incapaz de generalizar para novos dados.
4. Qual é a principal vantagem de usar Redes Neurais Profundas (Deep Learning) para problemas complexos?
a) Elas são mais rápidas de treinar que modelos tradicionais.
b) Elas não requerem dados rotulados.
c) Elas são especialmente boas em capturar relações complexas em grandes volumes de dados, como imagens e textos.
d) Elas não necessitam de grandes quantidades de dados para serem eficazes.
e) Elas podem ser usadas exclusivamente para modelos de regressão.
5. Qual das seguintes técnicas de aprendizado supervisionado é usada principalmente para problemas de classificação?
a) Regressão Linear.
b) K-means Clustering.
c) Regressão Logística.
d) Análise de Componentes Principais (PCA).
e) Árvore de Decisão.
6. O que é a técnica de Ensemble em Machine Learning?
a) Uma técnica de redução de dimensionalidade que combina múltiplos modelos para melhorar a precisão.
b) A construção de um único modelo complexo para previsão.
c) A combinação de múltiplos algoritmos de aprendizado para melhorar a performance preditiva.
d) A criação de um modelo baseado em uma única árvore de decisão.
e) O processo de reduzir o número de variáveis de entrada.
7. O que é o método K-nearest neighbors (K-NN)?
a) Um modelo baseado em redes neurais para classificação.
b) Um modelo baseado em árvores de decisão para agrupamento.
c) Um algoritmo de classificação onde a classe de uma amostra é determinada pela classe mais comum entre seus K vizinhos mais próximos.
d) Um algoritmo de regressão linear utilizado para prever valores numéricos.
e) Um método para regularizar modelos de Machine Learning.
8. O que é a técnica de Bagging (Bootstrap Aggregating)?
a) Um método para ajustar os coeficientes do modelo com base no erro de validação.
b) Um método de ensemble que usa múltiplas versões de um modelo treinadas em diferentes subconjuntos dos dados para melhorar a estabilidade do modelo.
c) Uma técnica de redução de dimensionalidade.
d) Uma técnica de validação cruzada para melhorar a performance do modelo.
e) Um método para gerar novos dados sintéticos para o treinamento do modelo.
9. Em um problema de classificação multiclasse, qual técnica pode ser usada para transformar o problema em múltiplos problemas binários?
a) One-vs-Rest (OvR)
b) Regressão Polinomial.
c) Cross-validation.
d) Support Vector Machines.
e) K-means.
10. Qual é a principal diferença entre classificação supervisionada e não supervisionada?
a) Na classificação supervisionada, os dados de treinamento são rotulados, enquanto na não supervisionada não são.
b) A classificação supervisionada é usada apenas para dados numéricos.
c) A classificação não supervisionada não requer validação cruzada.
d) A classificação não supervisionada usa um conjunto de dados maior que a supervisionada.
e) A classificação supervisionada é usada apenas para clustering de dados.
Gabarito e Justificativas
1. b) A regularização L1 (Lasso) penaliza a soma absoluta dos coeficientes, o que pode resultar em coeficientes iguais a zero, ajudando a selecionar um subconjunto de variáveis relevantes.
2. b) O viés ocorre quando o modelo é muito simples e não consegue capturar as relações complexas entre as variáveis, levando a um erro sistemático.
3. a) O underfitting ocorre quando o modelo é muito simples para capturar os padrões nos dados e, portanto, tem um alto erro tanto nos dados de treinamento quanto nos de teste.
4. c) Redes Neurais Profundas são boas para capturar padrões complexos em grandes volumes de dados, como imagens e textos, o que as torna poderosas para problemas complexos.
5. c) A Regressão Logística é uma técnica de aprendizado supervisionado usada para problemas de classificação, particularmente em classificações binárias.
6. c) A técnica de ensemble combina múltiplos modelos de aprendizado para melhorar a precisão e robustez das previsões.
7. c) O K-NN é um algoritmo de classificação que decide a classe de um ponto com base na classe mais comum entre seus K vizinhos mais próximos.
8. b) O Bagging é um método de ensemble que treina múltiplos modelos em subconjuntos de dados aleatórios (bootstrap) para melhorar a estabilidade e reduzir o overfitting.
9. a) O One-vs-Rest (OvR) é uma técnica que transforma um problema de classificação multiclasse em múltiplos problemas binários, classificando uma classe contra todas as outras.
10. a) A principal diferença é que na classificação supervisionada, os dados de treinamento têm rótulos conhecidos, enquanto na não supervisionada, não há rótulos para os dados.