Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prática e Laboratório II – 2020.1 Aluno: Victor Hugo Lima da Silva Matricula: 201912064472 Questão 1 (1,0pts): Descreva o procedimento utilizado ao construir árvores de decisão. Por meio de um conjunto de regras de aprendizagem, tendo um parâmetro de decisão como base, podendo ser de situações anteriores praticas ou obtidas por pesquisas, são definidas as relações entre os elementos da arvore e atributos que ao serem consultados a combinação dará um resultado que auxiliará na tomada de decisão. Questão 2 (1,0pts): Apresente três tipos de redes neurais, apresentando algumas diferenças e semelhanças. Perceptrons: utiliza um único neurônio com n entradas binárias. Ela computa a soma ponderada de suas entradas e inicia quando a soma for maior ou igual a zero. Feed-Forward: consiste de camadas discretas de neurônios, cada uma conectada à seguinte camada disponível. Backpropagation: trabalha com multicamadas e resolve problemas que alguns algoritmos não resolvem, problemas em que não podemos separar duas classes distintas no eixo cartesiano bidimensional traçando uma reta (problema “não linearmente separável”). Questão 3 (1,0pts): Em termos de orientação a objetos, como são definidos construtores e herança na linguagem Python? São definidos através das palavras reservadas e da sintaxe, tendona herança a característica de a classe filha (subclasse) herdar as características da classe pai (superclasse), como no exemplo abaixo: class Fornecedor: def __init__(self): class Departamento(Fornecedor): def __init__(self): class Produto(Departamento): Questão 4 (1,0pts): O que é o modelo n-gramas, e qual a sua importância em um processo de geração de textos aleatórios? Representa uma sequência contígua de n itens em uma sequência de texto, podendo ter níveis de granularidade variados, podendo representar sequências de sílabas, letras, fonemas ou palavras. Seu uso é um requisito para melhorar a interpretação subjetiva dos resultados em tarefas de mineração de textos. Questão 5 (1,0pts): Explique o papel da Filtragem Colaborativa na criação de um sistema de recomendações. Levando em consideração um usuário busca-se usuários similares e então sugere-se aquilo que os similares tem interesse, ou gera-se sugestões a cada usuário agregando interesses que são similares a seus interesses atuais. Prática : Opção B Código: import nltk from urllib.request import urlopen from wordcloud import WordCloud import matplotlib.pyplot as plt from bs4 import BeautifulSoup url = "https://pt.wikipedia.org/wiki/COVID-19" html = urlopen(url).read() soup = BeautifulSoup(html) for script in soup(["script", "style"]): script.extract() texto = soup.get_text() lines = (line.strip() for line in texto.splitlines()) palavras = (phrase.strip() for line in lines for phrase in line.split(" ")) texto = 'n'.join(palavra for palavra in palavras if palavra) from nltk.corpus import stopwords nltk.download('stopwords') nltk.download('punkt') stop_words = set(stopwords.words('portuguese')) from nltk.tokenize import sent_tokenize, word_tokenize words = word_tokenize(texto) wordsFiltered = [word.lower() for word in words if word.isalpha()] filtered_words = [word for word in wordsFiltered if word not in stopwords.words('portuguese')] nuvem = WordCloud(max_words=100,).generate(' '.join(filtered_words)) plt.figure(figsize=(20,10)) plt.imshow(nuvem) plt.axis(['off']) plt.show()
Compartilhar