Clusterização e Regressão

Prévia do material em texto

PERGUNTAS 
As técnicas de clusterização são consideradas técnicas de aprendizado não 
supervisionado. Selecione, dentre as alternativas a seguir, aquela que identifica 
CORRETAMENTE o porquê são consideradas dessa forma. 
Devido ao fato de que não há dados rotulados nem expectativa sobre as possibilidades de 
rótulos de saída. 
Na clusterização, as medidas são separadas, conceitualmente, em medidas de 
similaridade e medidas de dissimilaridade. Sobre essa diferença, podemos afirmar, 
CORRETAMENTE, que: 
Similaridade indica a proximidade para atributos não numéricos, ou numéricos 
categóricos, em que o conceito de distância não se aplica. 
Existem diferentes abordagens de sistemas de recomendação. É CORRETO afirmar 
que os sistemas de recomendação baseados em filtros colaborativos são assim 
chamados porque: 
utilizam as informações das interações e avaliações realizadas pelos clientes sobre os 
itens para definir a similaridade entre diferentes itens da base de dados. Quanto mais 
similares as interações, mais provável o interesse do cliente sobre a recomendação. 
Os algoritmos de clusterização de dados podem ser classificados de acordo com a 
abordagem utilizada na definição dos clusters. Nesta unidade, aprendemos várias 
dessas abordagens: métodos baseados em particionamento, em densidade, em base 
em grafos, em métodos hierárquicos e em modelos. Selecione, dentre as alternativas 
a seguir, aquelas que identificam, CORRETAMENTE, as características dos métodos 
estudados. 
Os métodos baseados em densidade não dependem de um número fixo de clusters. Eles 
buscam regiões de maior densidade de amostras para encontrar os agrupamentos e as 
regiões de baixa densidade para definir as suas fronteiras. ✔ 
Os métodos hierárquicos permitem uma abordagem aglomerativa (agrupando amostras 
aos pares até que todas as amostras façam parte de um único grupo) e uma abordagem 
divisiva (dividindo todas as amostras a partir de um único cluster). ✔ 
Os métodos baseados em modelos utilizam outras técnicas de aprendizado de máquina 
para construir modelos que representam os dados e permitem a geração de superfícies 
de decisão que determinam os limites de cada cluster. ✔ 
Conceitualmente, a clusterização baseada em particionamento é o processo de 
agrupar amostras por meio das similaridades ou dissimilaridades entre elas. Dessa 
forma, entender o significado dessa tarefa é essencial para compreender o próprio 
resultado da clusterização. Selecione, dentre as alternativas a seguir, aquelas que 
identificam, CORRETAMENTE, os objetivos da clusterização. 
Maximizar a similaridade entre elementos de clusters distintos. ✔ 
Maximizar a similaridade entre elementos de um mesmo cluster. ✔ 
 
A Análise de Regressão é uma técnica muito utilizada por diversas áreas do 
conhecimento, como podemos acompanhar durante esta unidade. Ela é um conjunto 
de ferramentas que auxilia na previsão e nas descobertas de tendências. Assim, é 
CORRETO defini-la como: 
Um conjunto de técnicas voltadas para a investigação da correlação entre duas ou mais 
variáveis para conseguir, com base no valor de uma, prever o valor da outra. 
 
A função de custo é um item indispensável à Análise de Regressão e pode se 
materializar em diversas fórmulas, como MSE ou MAE, dependendo das 
características do problema que se deseja resolver. Seu propósito pode ser resumido 
CORRETAMENTE como: 
Determinar como o erro de previsão sobre cada amostra de um conjunto de dados é 
utilizado para expressar a qualidade do ajuste do modelo matemático sobre os dados. 
 
O Método dos Mínimos Quadrados (MMQ) é uma das mais populares técnicas de 
regressão. Matematicamente, ele busca minimizar o valor de uma função de custo. 
Contudo, possui premissas à sua utilização que, quando não respeitadas, podem 
apresentar viés ao modelo. Identifique, entre as alternativas a seguir, aquelas que 
apresentam, CORRETAMENTE, premissas do MMQ: 
A relação entre a variável resposta e os preditores deve ser linear. 
Deve ser utilizado somente em dados que o erro apresenta distribuição normal. 
 
Para realizar essa busca de forma automática, podemos usar o algoritmo Método dos 
Gradientes Descendentes. Ele é uma ferramenta eficaz para a busca do erro mínimo. 
O algoritmo do Método dos Gradientes Descendentes pode ser descrito como: 
Busca iterativa. A cada iteração, varia o conjunto de parâmetros do modelo, avalia a 
redução por meio de uma função de custo, opta pelo vizinho que apresenta menor 
derivada e repete o processo até que não haja uma redução estatisticamente relevante na 
função de custo. 
A regularização é uma alternativa interessante para lidar com condições adversas de 
um problema de regressão. Ela aplica uma penalidade sobre a função de custo para 
evitar o overfitting do modelo. Contudo, a regularização é indicada somente em 
algumas situações. Assinale as opções que indicam, CORRETAMENTE, situações em 
que regularização é indicada: 
Quando a relação entre a quantidade de amostras e o número de variáveis é baixa, ou 
seja, uma quantidade muito reduzida de dados. 
 
 
A utilização de ensembles é uma forma de melhorar o desempenho do modelo final. 
Podemos afirmar que as arquiteturas paralelas de ensembles baseiam-se na 
premissa de que: 
preditores “fracos” treinados sobre dados diferentes, quando combinados, criam 
preditores mais precisos e robustos. 
Uma das técnicas de ensemble combina preditores em série, em que cada preditor é 
treinado com amostras selecionadas da base de treinamento, dando-se preferência 
(atribuindo-se pesos) às amostras mal classificadas pelos preditores anteriores. 
Essa técnica é chamada de: 
BOOSTING (O Boosting é uma técnica em série em que vários preditores são organizados 
em sequência, e o treinamento de cada um é ponderado pelos erros de classificação do 
seu anterior) 
O viés e a variância em métodos ensemble 
O trade-off do viés e da variância de um preditor é um problema que podemos 
abordar por meio do uso de ensembles. Sobre o comportamento do viés e da 
variância em ensembles, podemos afirmar que: 
o Bagging visa reduzir a susceptibilidade do modelo aos dados escolhidos para o 
treinamento, reduzindo a variância. 
O Q-learning é um método de aprendizado por reforço que utiliza o Processo de 
Decisão de Markov como base para seu processo de aprendizagem. Sobre esse 
algoritmo, assinale as alternativas corretas. 
Utiliza a Q-table para manter as informações das recompensas e penalidades de cada par 
estado/ação. 
É capaz de gerar um Q-value para um estado futuro e, assim, decidir qual é a melhor 
próxima ação. 
Resposta Correta: 
- Utiliza a Q-table para manter as informações das recompensas e penalidades de cada 
par estado/ação. 
Resposta correta. O Q-learning utiliza o Q-table para manter as informações das 
recompensas e penalidades de cada par estado/ação. 
- É capaz de gerar um Q-value para um estado futuro e, assim, decidir qual é a melhor 
próxima ação. 
Resposta correta. O Q-learning é capaz de gerar um Q-value para um estado futuro e, 
assim, decidir qual é a melhor próxima ação. 
As redes neurais são flexíveis e modulares. A forma como as organizamos e o tipo 
dos neurônios define a forma de aprendizado e sua topologia. Sobre as topologias 
apresentadas nessa unidade, assinale as alternativas corretas. 
As redes feedfoward estabelecem o fluxo de aprendizado da camada de entrada para a 
camada de saída. 
As redes recorrentes permitem armazenar valores em neurônios, assemelhando-se a 
uma memória. 
Resposta Correta: 
- As redes feedfoward estabelecem o fluxo de aprendizado da camada de entrada para a 
camada de saída. 
Resposta correta. As redes feedfoward estabelecem um fluxo direcionado de 
aprendizado, da camada de entrada para a camada de saída. 
- As redes recorrentes permitem armazenar valores em neurônios, assemelhando-se a 
uma memória. 
Resposta correta. Uma das vantagens das redes recorrentes é a capacidade de 
armazenar valores, simulando uma memória.