Modelagem Estatística e Técnicas de Machine Learning

Prévia do material em texto

Prova- 64: Modelagem Estatística e Técnicas de Machine Learning
Introdução
Esta prova aborda conceitos fundamentais em estatística e técnicas de aprendizado de máquina, cobrindo desde modelos de regressão e classificação até técnicas de redução de dimensionalidade. Com o crescente uso de grandes volumes de dados, esses métodos são essenciais para a construção de modelos robustos e interpretáveis.
Questões
1. O que caracteriza um modelo de regressão linear simples?
a) Ele prevê uma variável dependente contínua com base em uma única variável independente.
b) Ele classifica dados em categorias.
c) Ele prevê múltiplas variáveis independentes.
d) Ele analisa dados temporais.
e) Ele agrupa dados em clusters.
2. Qual é o objetivo principal da normalização dos dados?
a) Aumentar a complexidade do modelo.
b) Ajustar os dados para uma faixa de valores padrão, melhorando a performance do modelo.
c) Reduzir a dimensionalidade dos dados.
d) Aumentar o número de variáveis independentes.
e) Ajudar a visualizar os dados em gráficos.
3. Em um modelo de árvore de decisão, o que significa a "profundidade da árvore"?
a) O número de variáveis independentes utilizadas.
b) O número de divisões realizadas até alcançar a previsão final.
c) O número de grupos formados pelo modelo.
d) O número de variáveis categóricas analisadas.
e) A quantidade de dados faltantes em um nó.
4. O que caracteriza o algoritmo K-NN (K-Nearest Neighbors)?
a) Ele agrupa os dados com base em similaridade.
b) Ele prevê um valor contínuo com base em variáveis independentes.
c) Ele classifica os dados de acordo com a média dos valores mais próximos.
d) Ele classifica os dados com base na maior distância euclidiana entre eles.
e) Ele combina várias árvores de decisão para fazer previsões.
5. Qual a principal diferença entre regressão linear e regressão logística?
a) A regressão linear é usada para prever valores categóricos, enquanto a regressão logística prevê valores contínuos.
b) A regressão linear usa a técnica de K-means, enquanto a regressão logística usa redes neurais.
c) A regressão linear prevê valores contínuos, enquanto a regressão logística é usada para prever eventos binários.
d) A regressão linear é usada apenas para dados temporais, enquanto a regressão logística é usada para dados espaciais.
e) A regressão linear analisa dados em clusters, enquanto a regressão logística analisa dados de séries temporais.
6. O que é overfitting em modelos de aprendizado supervisionado?
a) Quando o modelo não aprende corretamente os padrões dos dados de treinamento.
b) Quando o modelo é ajustado em excesso aos dados de treinamento, resultando em baixa performance para novos dados.
c) Quando o modelo não utiliza dados suficientes para treinamento.
d) Quando o modelo é muito simples para aprender os padrões dos dados.
e) Quando o modelo não apresenta variação entre as previsões.
7. O que significa a técnica de validação cruzada em aprendizado de máquina?
a) Realizar uma busca exaustiva para os melhores parâmetros do modelo.
b) Avaliar o desempenho do modelo dividindo os dados em múltiplos subconjuntos para treinamento e validação.
c) Ajustar os dados de entrada para uma faixa comum.
d) Agrupar os dados em clusters antes de construir o modelo.
e) Reduzir o número de variáveis independentes.
8. Qual das opções descreve corretamente o processo de feature engineering?
a) Criar novas variáveis ou transformar as variáveis existentes para melhorar o desempenho do modelo.
b) Normalizar os dados antes de treinar o modelo.
c) Dividir os dados em diferentes conjuntos de treinamento e teste.
d) Reduzir a dimensionalidade dos dados antes da análise.
e) Ajustar as variáveis para criar dados balanceados.
9. O que é uma função de perda em aprendizado supervisionado?
a) A função que calcula a precisão do modelo.
b) A função usada para reduzir o número de variáveis independentes.
c) A função que avalia o erro entre as previsões do modelo e os valores reais.
d) A função usada para normalizar os dados.
e) A função que determina a estrutura do modelo.
10. Qual é a principal vantagem do Random Forest sobre um único modelo de árvore de decisão?
a) Ele cria um único modelo com alta precisão.
b) Ele reduz o risco de overfitting combinando várias árvores de decisão.
c) Ele é mais simples de interpretar.
d) Ele é mais rápido e menos computacionalmente intensivo.
e) Ele funciona apenas para dados temporais.
Gabarito e Justificativas
1. a) O modelo de regressão linear simples prevê uma variável dependente contínua com base em uma única variável independente.
2. b) A normalização ajusta os dados para uma faixa de valores padrão, o que ajuda na performance dos modelos.
3. b) A profundidade da árvore é o número de divisões feitas até alcançar a previsão final.
4. a) O K-NN é um algoritmo de agrupamento baseado na similaridade entre dados próximos.
5. c) A regressão linear prevê valores contínuos, enquanto a regressão logística é usada para prever eventos binários.
6. b) Overfitting ocorre quando o modelo é ajustado demais aos dados de treinamento, prejudicando sua generalização para novos dados.
7. b) A validação cruzada avalia o desempenho do modelo dividindo os dados em múltiplos subconjuntos para treinamento e validação.
8. a) Feature engineering envolve criar ou transformar variáveis para melhorar o desempenho do modelo.
9. c) A função de perda calcula o erro entre as previsões do modelo e os valores reais.
10. b) O Random Forest combina várias árvores de decisão, reduzindo o risco de overfitting.