Lista Exercicios Aprendizado de máquina

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

Lista de Exercícios de Aprendizagem de Máquina 
 
1. Construa o conjunto completo de árvores de decisão a partir dos dados seguintes: 
 
 
 
2. Suponha que se pretende construir a árvore de decisão, através do algoritmo ID3, 
com base no conjunto de dados apresentados tabela seguinte. 
 
 
 
a) Calcule a entropia média de cada um dos atributos 
b) Qual dos atributos seria escolhido para dividir os dados? 
c) Construa a árvore de decisão. 
 
3. Os candidatos a alunos de doutoramento na fictícia Universidade da Martinlândia 
baseiam-se em quatro critérios: a nota de fim de curso, o ranking da universidade onde 
realizou o curso, o registo de publicações e as cartas de recomendação. Para simplificar 
a nota pode tomar três valores, que são 4.0, 3.7 e 3.5. A universidade pode ser 
classificada entre as 10 melhores (top-10), entre as 10 e as 20 melhores (top-20) e entre 
as 20 e 30 melhores (top-30). O registo de publicações é um atributo binário – o 
candidato publicou ou não; e as cartas de recomendação podem ser boas ou normais. 
Finalmente, os candidatos podem ser classificados como aceites (A) ou rejeitados (R). 
A tabela seguinte mostra um conjunto de exemplos de candidatos a doutoramento e a 
respectiva classificação. Apresente a árvore de decisão completa que seria produzida 
pelo algoritmo ID3. 
 
Universidade Federal Rural de Pernambuco 
Disciplina: Inteligência Artificial 
Professor: Valmir Macário Filho 
 
4. Políbio, na sua apreciação das refeições em restaurantes, considera os seguintes 
atributos e respectivos valores possíveis: 
Restaurante: {Copélia, Palma, Primavera} 
Qualidade: {boa, má} 
Preço: um inteiro 
Refeição: {almoço, jantar, pequeno_almoço} 
 
Políbio usa afirmações em português para exprimir os seus processos de classificação 
das refeições como satisfatórias ou não satisfatórias, em lugar de usar árvores de 
decisão. Por exemplo, ele diria: “Fico satisfeito com qualquer refeição de 10€ ou 
menos, mas não existe nenhuma refeição do restaurante Palma por 7€ ou menos que me 
agrade.” Afirmações como esta podem traduzir-se em diferentes árvores de decisão. 
Uma das árvores que poderíamos indicar para a frase acima é a seguinte, podendo haver 
outras com diferente número de nós, possivelmente testando os atributos por ordem 
diferente ou realizando diferentes testes: 
 
 
 
Indique árvores de decisão, com número mínimo de nós, correspondentes a cada uma 
das seguintes afirmações: 
a) “Fico satisfeito com qualquer refeição de boa qualidade que não custe mais do que 
10€ e satisfeito com refeições de má qualidade que não custem mais do que 5€.” 
b) Fico satisfeito com um pequeno almoço de 8€ ou menos ou com um jantar de 15€ 
ou menos. Nunca fico satisfeito com uma refeição de má qualidade nem se tenho de 
pagar por um almoço (já que almoço bem e de borla)” . 
 
5. A tabela de dados seguinte baseia-se não livro do Tolkien “O senhor dos anéis”. A 
tabela apresenta informação sobre um conjunto de pessoas/entidades que aparecem 
nesse livro. 
 
 
 
Cada entidade possui três atributos (Raça, Peso, Senhor-anel) e é classificado como 
sendo Bom ou Mau (i.e., se quer ou não quer matar o Frodo). O atributo "Senhoranel" 
indica se a pessoa/entidade alguma vez possuiu o anel mágico. Aplique o algoritmo ID3 
aos dados na tabela, tendo em conta que os nós folhas são classificados com a classe 
maioritária. No entanto, introduza, uma pequena variação na qual se expandem os nós 
apenas quando resultar numa melhoria do ganho. 
 
6. Para a tabela do exercício 3, qual a classe do exemplo: Nota: 4.0 ; Ranking: top-30 ; 
Publicou: não ; recomendação: normal ? 
 
 
7. Considere a tabela de dados abaixo: 
 
 
 
Qual a classe do seguinte exemplo? 
 
 
 
8. Considere a seguinte matriz de dados, referente a uma estatística sobre a 
produtividade dos empregados de uma empresa de entrevistas. Normalize-a das 
duas formas diferentes. 
 
 
 
 
 
 
 
9. Considere a base de dados abaixo. Responda as seguintes perguntas: 
 
a) Qual é a função de distância a ser empregada? 
b) Classificar o objeto #9 considerando k=1,2,3,4,5. 
c) Como escolher k? 
d) Qual problema a função de distância empregada apresenta? Como corrigi-lo? 
e) Classificar o objeto #9 considerando k=1,2,3,4,5, mas agora utilizando o Knn 
ponderado 
 
10. Use o algoritmo k-médias e distância euclidiana para agrupar as 8 seguintes exemplos em 
3 clusters: 
 
A1 = (2,10), A2 = (2,5), A3 = (8,4), A4 = (5,8), A5 = (7,5), A6 = (6,4), A7 = (1,2), A8 = (4,9). 
A matriz de distância em função da distância Euclidiana é dada abaixo 
 
 
 
Suponha-se que as sementes iniciais (centros de cada grupo), são: A1, A4 e A7. Execute 
uma iteração do algoritmo de k-médias. No final mostre: 
a) Os novos agrupamentos (isto é, os exemplos pertencentes a cada grupo) 
b) Os centros dos novos grupos 
c) Desenhe um espaço 10 por 10 com todos os 8 pontos e mostre os grupos após a 
primeira época e o novo centro. 
d) Quantas iterações serão necessárias para o algoritmo convergir? 
 
 
11. Use single-link, complete-link, average-link, distância entre centróides num algoritmo de 
agrupamento hierárquico aglomerativo para agrupar os 8 exemplos que se seguem: 
A1 = (2,10), A2 = (2,5), A3 = (8,4), A4 = (5,8), A5 = (7,5), A6 = (6,4), A7 = (1,2), A8 = (4,9). 
A matriz de distância é a mesma que a do Exercício 10. Mostre os dendrogramas. 
 
12. Use single-link, complete-link, average-link, distância entre centróides num algoritmo de 
agrupamento hierárquico divisivo para agrupar os 8 exemplos que se seguem: 
A1 = (2,10), A2 = (2,5), A3 = (8,4), A4 = (5,8), A5 = (7,5), A6 = (6,4), A7 = (1,2), A8 = (4,9). 
A matriz de distância é a mesma que a do Exercício 10. Mostre os dendrogramas. 
 
13. Dado o neurônio abaixo, determine valores para seus pesos, w1 e w2, e para o limiar 𝜃, tal 
que ele reproduza as portas lógicas AND, OR e NOT. Escolha um limiar entre 0.1 e 2. 
 
 
 
14. Sejam os neurônios abaixo com entradas x1 e x2 e saídas y1 e y2. Determine as saídas 
para os valores indicados, supondo w11=1,66; w12=0,83; w21=-7; w22=10. Considere que 
ambos os neurônios têm limiar φ =1.