AVALIAÇÃO Machine Learning

Prévia do material em texto

1)
Técnicas de machine learning podem ser utilizadas para inúmeras finalidades. A seguir, você pode verificar graficamente uma solução que relaciona estilos de escrita e alguns livros famosos:
Figura 1 – Ilustração de metodologia de representação gráfica para a relação entre objetos e suas características principais
Fonte: adaptada de Gormley (2017).
Descrição: esta figura contém uma representação utilizada para relacionar seis obras literárias e seus respectivos estilos.
A Figura 1 contém a relação entre obras literárias e suas características; porém, elas estão divididas em duas etapas, sendo que a segunda é uma aproximação da primeira, utilizada para simplificar a análise.
Essa aproximação é uma técnica bastante
utilizada para a manipulação de dados em sistemas de recomendação. Sendo assim,
assinale a alternativa que contém o nome correto da técnica representada pela
Figura 1.
Alternativas:
· Recomendação por filtragem colaborativa baseada em métodos de inversão matricial.
· Recomendação por filtragem baseada em conteúdo com métodos híbridos.
· Recomendação por filtragem colaborativa baseada em métodos de aprendizado profundo.
· Recomendação por filtragem colaborativa baseada em métodos de relações de conteúdos.
· Recomendação por filtragem colaborativa baseada em métodos de fatoração matricial.
checkCORRETO
Resolução comentada:
a figura contém claramente uma fatoração matricial. A matriz inicial, de dimensão elevada, é manipulada de tal forma a ser fatorada para então poder ser representada pela multiplicação entre as matrizes  e . Com isso, a fatoração fica da seguinte forma:
Código da questão: 49634
2)
Existem inúmeras técnicas de agrupamento para serem aplicadas na resolução de problema com machine learning e mineração de dados. Sobre as técnicas de agrupamento não hierárquico, analise as afirmativas a seguir:
( ) A escolha inicial dos objetos a serem utilizados no algoritmo K-means não influencia no resultado final, uma vez que essa técnica é robusta e imune a ótimos locais.
( ) No algoritmo K-médias, cada objeto do domínio pode mudar de cluster K vezes.
( ) Dendogramas são gráficos que mostram como foi a evolução dos clusters formados pelo K-means.
Assinale a alternativa que julga corretamente os itens, na sequência:
Alternativas:
· V – V – F.
· F – V – V.
· F – F – F.
checkCORRETO
· V – F – F.
· V – F – V.
Resolução comentada:
a semente inicial influencia bastante no resultado obtido.
No K-means, os objetos podem mudar de grupo quantas vezes forem necessárias, até que o critério de parada seja atingido.
Dendograma é utilizado para visualizar o processo de clusterização passo a passo, assim como analisar os níveis de distância dos clusters formados.
Código da questão: 49622
3)
Os gráficos a seguir ilustram um algoritmo de regressão linear aplicado a quatro diferentes casos de dispersão de dados. Para todos os casos, tem-se a mesma reta de regressão linear y = 4+ 0,5x, independente de quais sejam as estatísticas suficientes, como: coeficientes linear e angular; soma dos quadrados dos resíduos e da regressão; e número de observações.
A partir dos gráficos, analise as afirmativas a seguir:
I. O gráfico B indica que os dados são propícios para a utilização de uma regressão do tipo linear.
II. O gráfico C ilustra a possível existência de uma observação outlier na regressão linear.
III. O gráfico D ilustra a possível existência de uma observação outlier na regressão linear.
Assinale a alternativa que julga corretamente essas afirmações:
Alternativas:
· Somente I está correta.
· Somente I e III estão corretas.
· Somente II está correta.
CORRETO
· Somente III está correta.
· Somente II e III estão corretas.
checkINCORRETO
Resolução comentada:
I. O gráfico B mostra observações que não são corretamente estimadas por meio do uso de uma regressão linear.
II. A afirmativa está correta.
III. O gráfico D não contém dados corretamente estimados por uma regressão linear.
Código da questão: 49613
4)
O algoritmo kNN é um classificador bastante utilizado em aprendizado de máquina. Seu desempenho e resultado dependem muito do valor k escolhido. Abaixo, você pode observar um diagrama de dispersão, em que existem observações já rotuladas em três classes: “quadrado”, “estrela” e “bola”. O objeto ilustrado com “X” é uma observação não rotulada, na qual deseja-se aplicar o algoritmo kNN com diversos valores de k para poder então classificar esse objeto.
Utilize a ideia dos k vizinhos mais próximos para três situações de classificação: 1-NN, 3-NN e 5-NN.
Assinale a alternativa que representa corretamente a classificação obtida com cada um dos algoritmos, respectivamente na ordem de 1-NN, 3-NN e 5-NN.
Alternativas:
· Bola, estrela e quadrado.
· Bola, estrela e estrela.
checkCORRETO
· Quadrado, estrela e estrela.
· Bola, quadrado e estrela.
· Bola, bola e estrela.
Resolução comentada:
para aplicar o conceito de kNN, é preciso verificar, em cada um dos casos, qual a classe que possui mais vizinhos próximos ao objeto em questão. Com o gráfico abaixo, é possível observar a quantidade de vizinhos completamente dentro dos círculos relativos às redes 1-NN, 3-NN e 5-NN.
Para o caso 1-NN, o objeto é classificado como “bola”. Para o caso 3-NN a classificação é “estrela” e para o caso 5-NN, a classificação também é “estrela”.
Código da questão: 49614
5)
Leia atentamente a afirmação a seguir:
“A técnica de poda em uma árvore de decisão é normalmente realizada de ____________. Cada _______ pode ser substituído por uma de suas subárvores ou folhas. Essa substituição é feita com base em uma estimativa de erro realizada para cada _______ a ser substituído”.
Assinale a alternativa que preenche corretamente, na sequência, as lacunas.
Alternativas:
· Cima para baixo; nó; nó.
· Baixo para cima; árvore; árvore.
· Baixo para cima; folha; folha.
· Baixo para cima; nó; nó.
checkCORRETO
· Cima para baixo; folha; folha.
Resolução comentada:
a técnica de poda em uma árvore de decisão é normalmente realizada de baixo para cima. Cada nó pode ser substituído por uma de suas subárvores ou folhas. Essa substituição é feita com base em uma estimativa de erro realizada para cada nó a ser substituído.
Código da questão: 49615
6)
A partir de seus conhecimentos sobre sistemas de recomendação, analise os itens a seguir:
( ) A fatoração matricial é uma forma de trabalhar a matriz de proximidades para poder organizar alfabeticamente os usuários.
( ) Deep learning pode ser utilizado em sistemas de recomendação para criar redes neurais relacionando usuários e objetos.
( ) A principal diferença entre métodos baseados em filtragem colaborativa e métodos baseados em conteúdo é que o primeiro estuda a interação entre usuários e objetos, ao passo que o segundo analisa as suas características.
( ) O método nearest-neighbor, quando aplicado a sistemas de recomendação baseados em filtragem colaborativa, consegue criar matrizes relacionando usuário-usuário, mas não é capaz de gerar matrizes usuário-item.
Assinale a alternativa que julga corretamente as afirmações acima como verdadeiras (V) ou falsas (F).
Alternativas:
· V – V – V – F.
· V – V – F – F.
· F – F – V – F.'
· F – V – V – V.
· F – V – V – F.
checkCORRETO
Resolução comentada:
( ) A fatoração matricial é uma forma de trabalhar a matriz de proximidades, mas a organização não é feita por ordem alfabética.
( ) Deep learning pode ser utilizado em sistemas de recomendação para criar redes neurais relacionando usuários e objetos.
( ) A principal diferença entre métodos baseados em filtragem colaborativa e métodos baseados em conteúdo é que o primeiro estuda a interação entre usuários e objetos, ao passo que o segundo analisa as suas características.
( ) O método nearest-neighbor, quando aplicado a sistemas de recomendação baseados em filtragem colaborativa, consegue criar matrizes relacionando usuário-usuário e também é capaz de gerar matrizes usuário-item.
Código da questão: 49633
7)
Existem inúmeros problemas em que você pode aplicar algoritmos de aprendizado de máquina.
Sobre os problemas clássicosde aprendizado de máquina, analise as afirmativas a seguir:
( ) A classificação multiclasse pode ser entendida como a extensão da classificação binária.
( ) Algoritmos de regressão não precisam utilizar a etapa de treinamento para criar modelos que relacionam as características dos dados.
( ) O clustering é uma tarefa do aprendizado de máquina supervisionado e tem como objetivo agrupar os dados disponíveis em grupos com características semelhantes.
Classifique as afirmações como verdadeiro (V) e falso (F) e assinale a alternativa que contenha a sequência correta, respectivamente, de cima para baixo.
Alternativas:
· V – F – F.
checkCORRETO
· F – V – F.
· V – F – V.
· V – V – V.
· V – V – F.
Resolução comentada:
o clustering é uma tarefa do aprendizado de máquina não supervisionado e tem como objetivo agrupar os dados disponíveis em grupos com características semelhantes.
Código da questão: 49603
8)
A classificação binária é um dos problemas mais utilizados e estudados em aprendizado de máquina.
Sobre o AM de classificação binária, analise os itens a seguir:
I. O algoritmo de classificação binária estuda um padrão x contido em um domínio X, e estima qual valor uma variável aleatória binária y∈{±1} irá assumir.
II. Caso não haja informação completa sobre o conjunto X de observação, o problema é conhecido como estimativa com variáveis desconhecidas.
III. Caso o conjunto X observado no treinamento seja de uma fonte diferente do conjunto X' utilizado na estimação, o problema é conhecido como um problema sem covariância.
Assinale a alternativa que indica quais afirmações estão corretas.
Alternativas:
· Somente I e III.
· Somente I e II.
checkCORRETO
· Somente III.
· I – II – III.
· Somente II.
Resolução comentada:
as afirmativas I e II estão corretas.
O correto para a afirmativa III seria: “Caso o conjunto X observado no treinamento seja de uma fonte diferente do conjunto X' utilizado na estimação, o problema é conhecido como um problema de correção de descolamento por covariância”.
Código da questão: 49602
9)
O algoritmo kNN possui como característica principal a análise de distância entre objetos. Você observou durante os estudos que o valor do parâmetro k pode influenciar significativamente no desempenho do algoritmo e até mudar o resultado obtido.
Assinale a alternativa que define corretamente o que é o parâmetro k em um algoritmo kNN.
Alternativas:
· O parâmetro k representa a quantidade de objetos que o algoritmo consegue processar simultaneamente.
· É o grau de liberdade computacional do algoritmo a ser implementado.
· O parâmetro k representa o grau do polinômio criado pelo algoritmo.
· É o número de pontos existentes no domínio do problema.
· É o número de vizinhos próximos que são considerados para tomar a decisão sobre a definição da classe do objeto.
checkCORRETO
Resolução comentada:
o parâmetro k representa o número de vizinhos próximos que são considerados para tomar a decisão sobre a definição da classe do objeto.
Código da questão: 49610
10)
Uma determinada instituição bancária contratou um programador para desenvolver algoritmos de machine learning para classificar os clientes como “BOM” ou “MAU” de acordo com saldo diário de sua conta durante um ano todo. Os clientes com classificação “BOM” serão convidados para receber um cartão OURO. Para essa tarefa, o programador recebeu apenas um banco de dados com 10.000 clientes já classificados pelos gerentes do banco. O banco de dados contém o saldo diário da conta (365 campos de informação) e a classificação como “BOM” ou “MAU” cliente.
Considerando o cenário acima:
I. É aconselhável utilizar um algoritmo supervisionado.
PORQUE
II. Os dados de treinamento fornecidos possuem seus respectivos rótulos e o algoritmo só precisa aprender e gerar uma função capaz de predizer o rótulo correto do cliente.
Assinale a alternativa acerca das asserções supracitadas, bem como a relação entre elas:
Alternativas:
· A primeira e a segunda asserção estão corretas, mas a segunda não justifica a primeira.
· A primeira e a segunda asserção estão corretas e a segunda justifica a primeira.
checkCORRETO
· As duas asserções estão incorretas.
· A primeira asserção está correta e a segunda está incorreta.
· A primeira asserção está incorreta e a segunda está correta.
Resolução comentada:
ambas as asserções estão corretas e a segunda justifica a primeira.
Código da questão: 49604
image1.png
image2.png
image3.png
image4.png