Modelos Estatísticos e Aprendizado de Máquina para Análise de Dados Complexos

Prévia do material em texto

Prova 44: Modelos Estatísticos e Aprendizado de Máquina para Análise de Dados Complexos
Introdução
Nesta prova, exploraremos como os modelos estatísticos são aplicados no aprendizado de máquina para análise de dados complexos. As questões abordam desde a escolha de algoritmos adequados até as estratégias para otimizar o desempenho de modelos preditivos.
Questões
1. O que caracteriza um modelo de regressão logística?
a) Um modelo de regressão usado apenas para prever valores contínuos.
b) Um modelo usado para prever a probabilidade de uma classe em um problema de classificação binária.
c) Um modelo de aprendizado não supervisionado para clustering de dados.
d) Um modelo baseado em árvores de decisão para prever variáveis contínuas.
e) Um modelo de aprendizado supervisionado utilizado para análises multivariadas.
2. Em um modelo de Redes Neurais, o que é a função de ativação?
a) Uma função que define o tipo de dados de entrada do modelo.
b) Uma função matemática que transforma a soma ponderada dos inputs em um valor de saída.
c) A função usada para calcular os pesos do modelo durante o treinamento.
d) A função que determina o número de camadas na rede neural.
e) A função que é usada para realizar a regularização do modelo.
3. O que significa o termo tuning de hiperparâmetros em Machine Learning?
a) Ajustar os parâmetros do modelo com base nos dados de teste.
b) Ajustar os parâmetros do modelo que são definidos antes do treinamento, como a taxa de aprendizado ou o número de árvores em um modelo de floresta aleatória.
c) Ajustar os dados de entrada para melhorar a performance do modelo.
d) Ajustar os coeficientes de regressão durante o treinamento.
e) Ajustar o número de variáveis independentes no modelo.
4. O que é Gradient Descent e como ele é utilizado em modelos de aprendizado de máquina?
a) Uma técnica usada para determinar a complexidade de um modelo.
b) Um algoritmo usado para minimizar a função de custo ajustando os parâmetros do modelo de forma iterativa.
c) Um algoritmo para reduzir a dimensionalidade dos dados.
d) Um método de validação cruzada para melhorar a performance do modelo.
e) Uma técnica de regularização para evitar overfitting.
5. O que significa k-fold cross-validation na avaliação de um modelo de Machine Learning?
a) Uma técnica de validação que divide os dados em k subconjuntos e usa cada um como conjunto de teste em iterações diferentes, permitindo uma avaliação robusta.
b) Uma técnica de otimização de modelos, ajustando seus parâmetros em k iterações.
c) Uma técnica de regularização usada para evitar overfitting.
d) Um método de classificação baseado em k vizinhos mais próximos.
e) Um método para reduzir a dimensionalidade dos dados.
6. Em classificação de texto, qual técnica seria mais adequada para converter palavras em uma forma numérica que possa ser processada por modelos de Machine Learning?
a) One-hot Encoding.
b) Análise de Componentes Principais (PCA).
c) Técnica de K-means.
d) Regressão Logística.
e) Redes Neurais Profundas.
7. O que caracteriza o modelo Random Forest em Machine Learning?
a) Um modelo de regressão linear que utiliza várias árvores de decisão.
b) Um modelo baseado em uma única árvore de decisão para classificação e regressão.
c) Um modelo que utiliza múltiplas árvores de decisão treinadas em subconjuntos aleatórios de dados para melhorar a acurácia do modelo.
d) Um modelo de aprendizado não supervisionado usado para agrupar dados.
e) Um modelo de aprendizado supervisionado que utiliza uma única rede neural para previsões.
8. Em Análise de Séries Temporais, o que caracteriza o modelo ARIMA?
a) Um modelo usado exclusivamente para dados categóricos.
b) Um modelo que faz previsões com base em uma combinação de autoregressão, média móvel e diferença dos dados.
c) Um modelo utilizado para reduzir a dimensionalidade de grandes conjuntos de dados.
d) Um modelo de aprendizado não supervisionado para agrupamento de dados temporais.
e) Um modelo baseado em árvores de decisão para análise de dados temporais.
9. Qual é o objetivo da técnica de Regularização L2 (Ridge) em modelos de regressão?
a) Penalizar a soma dos coeficientes do modelo para reduzir a complexidade do modelo e evitar overfitting.
b) Aumentar a complexidade do modelo para melhorar o ajuste aos dados.
c) Substituir variáveis irrelevantes com novas variáveis artificiais.
d) Ajustar os coeficientes da regressão para se aproximar mais dos valores reais.
e) Regularizar o número de observações no modelo de regressão.
10. O que é o conceito de underfitting em um modelo de Machine Learning?
a) O modelo está ajustado excessivamente aos dados de treinamento e não generaliza bem para novos dados.
b) O modelo está muito simples para capturar os padrões nos dados, apresentando erro tanto nos dados de treinamento quanto nos de teste.
c) O modelo está bem ajustado e generaliza bem para os dados de teste.
d) O modelo ajusta-se perfeitamente aos dados de teste, mas tem erro nos dados de treinamento.
e) O modelo não possui variáveis independentes suficientes para gerar previsões.
Gabarito e Justificativas
1. b) A regressão logística é um modelo de classificação que prevê a probabilidade de uma classe em um problema de classificação binária, sendo amplamente utilizada em problemas de previsão.
2. b) A função de ativação em uma rede neural é uma função matemática que transforma a soma ponderada dos inputs em um valor de saída, sendo fundamental para introduzir não-linearidades no modelo.
3. b) O tuning de hiperparâmetros envolve ajustar os parâmetros definidos antes do treinamento, como a taxa de aprendizado, o número de árvores, ou o número de camadas em redes neurais.
4. b) O Gradient Descent é um algoritmo iterativo utilizado para minimizar a função de custo ajustando os parâmetros do modelo com base no gradiente da função de erro.
5. a) O k-fold cross-validation divide os dados em k subconjuntos, utilizando diferentes subconjuntos para validação e treinamento em cada iteração, permitindo uma avaliação robusta do modelo.
6. a) A técnica de One-hot Encoding converte palavras em uma representação binária onde cada palavra é representada por um vetor com 1 na posição da palavra e 0 nas demais, permitindo que o modelo processe texto.
7. c) O Random Forest utiliza múltiplas árvores de decisão treinadas em subconjuntos aleatórios dos dados para melhorar a robustez e a acurácia do modelo de predição.
8. b) O modelo ARIMA (AutoRegressive Integrated Moving Average) é utilizado em séries temporais para fazer previsões com base em autoregressão, médias móveis e diferenças nos dados temporais.
9. a) A Regularização L2 (Ridge) penaliza a soma dos quadrados dos coeficientes do modelo, ajudando a reduzir a complexidade do modelo e evitar overfitting.
10. b) O underfitting ocorre quando o modelo é muito simples para capturar os padrões dos dados, resultando em erro tanto nos dados de treinamento quanto nos dados de teste.