Atividade 4

Prévia do material em texto

• Pergunta 1 
1 em 1 pontos 
 
O Margareth H. Duham, em seu livro Data Mining - Introductory and Advanced Topics, informa que tarefas de agrupamento, ou clustering em inglês, 
vêm sendo aplicadas em muitos domínios, incluindo a biologia, a medicina, a antropologia, o marketing e a economia. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. Upper Saddle River (NJ): Pearson Education, 2003, p.126. 
 
A respeito desses domínios de aplicação de tarefas de agrupamento, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) 
Falsa(s). 
 
I. ( ) Observar diferentes características de doenças em vários pacientes, e depois formar diferentes grupos de pacientes - por similaridade das 
características de suas doenças - é uma tarefa de agrupamento. 
II. ( ) Observar diferentes hábitos de consumo em várias milhares de pessoas, e depois formar grupos de pessoas - por similaridade de seus hábitos de 
consumo - é uma tarefa de agrupamento. 
III. ( ) Observar diferentes características das linguagens faladas por membros de aldeias remotas, e depois formar grupos de linguagens - por 
similaridades das características das linguagens - é uma tarefa de agrupamento. 
IV. ( ) Observar diferentes característica de insetos em diversos biomas, e depois formar grupos de insetos - por similaridade de suas características - é 
uma tarefa de agrupamento. 
 
 
Resposta Selecionada: 
 
V, V, V, V. 
Resposta Correta: 
 
V, V, V, V. 
Feedback da 
resposta: 
Resposta correta. A sequência está correta. Observar diferentes características de indivíduos, sejam estes indivíduos doenças que se 
manifestam em pacientes, hábitos de consumos que se manifestam em consumidores, línguas faladas por diferentes povos, ou 
insetos que habitam diferentes biomas, e depois, para cada um desses exemplos, agrupar as observações feitas em grupos menores 
por similaridade, são tarefas de agrupamento. Sendo assim, todos os exemplos descritos são tarefas de agrupamento. 
 
 
• Pergunta 2 
1 em 1 pontos 
 
Quando os dados se referem a múltiplas variáveis quantitativas, é possível calcular a correlação entre pares dessas variáveis, duas a duas. No software 
estatístico R, isto pode ser feito com a função cor(). Adiante apresentamos um output típico da função cor() quando aplicada ao cálculo da correlação 
entre quatro variáveis quantitativas de um determinado conjunto de dados. 
 Murder Assault UrbanPop Rape 
Murder 1.00 0.80 0.07 0.56 
Assault 0.80 1.00 0.26 0.67 
UrbanPop 0.07 0.26 1.00 0.41 
Rape 0.56 0.67 0.41 1.00 
 
 
A respeito deste output típico da função cor() do software estatístico R, para o cálculo da correlação entre múltiplas variáveis quantitativas, analise as 
afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Todas correlações são positivas, o que indica que, para todas variáveis quantitativas dessa amostra, quando uma aumenta, a outra também 
aumenta. 
II. ( ) Uma correlação igual a 1 entre uma variável e ela mesma apenas indica uma correlação perfeita dela com ela mesma. 
III. ( ) A maior correlação positiva entre essas variáveis é aquela entre Murder e Assault, cujo valor é de 0,80. 
IV. ( ) A segunda maior correlação positiva entre essas variáveis é aquela entre Rape e Assault, cujo valor é de 0,67 e não de 0,56. 
 
Resposta Selecionada: 
 
V, V, V, F. 
Resposta Correta: 
 
V, V, V, F. 
Feedback da 
resposta: 
Resposta correta. A sequência está correta. Todas correlações são positivas, indicando que, para todas variáveis quantitativas dessa 
amostra, quando uma aumenta, a outra também aumenta. Uma correlação igual a 1 entre uma variável e ela mesma apenas indica 
uma correlação perfeita dela com ela mesma. A maior correlação positiva entre essas variáveis é aquela entre Murder e Assault, cujo 
valor é de 0,80. E, finalmente, a segunda maior correlação positiva entre essas variáveis é aquela entre Rape e Assault, mas o 
valor é 0,67 e não 0,56, que se refere à correlação entre as variáveis Murder e Rape. 
 
 
• Pergunta 3 
1 em 1 pontos 
 
 Depois que formamos grupos de observações de um conjunto de dados (amostra), por meio de um algoritmo de agrupamento, podemos dar nomes 
aos mesmos, e cada indivíduo de cada grupo será classificado de acordo com esse nome. O ser humano faz isso com naturalidade, primeiro agrupar e, 
depois de formados os grupos, dar nomes aos grupos. Por exemplo, animais vertebrados ou invertebrados, carros ou aviões, homens ou mulheres. 
 
A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. e assinale a alternativa correta: 
 
I. Ao usarmos de algoritmos de agrupamento, depois que formados e nomeados (classificados) os grupos de observações resultantes do algoritmo, 
não é possível usar essas classes como variáveis respostas e, a partir desse ponto, executar tarefas preditivas com algoritmos de classificação. 
Pois 
II. Algoritmos de agrupamento fazem parte dos métodos da chamada aprendizagem não supervisionada. Não são modelos preditivos. 
 
 
Resposta Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
Resposta Correta: 
 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
Feedback da 
resposta: 
Resposta correta. A alternativa está correta, pois mesmo que algoritmos de agrupamento sejam parte dos métodos da aprendizagem 
não supervisionada, e não serem modelos preditivos, como afirmado na asserção II, depois que formamos e nomeamos os grupos 
(classificamos os grupos), podemos usar essas classes como variáveis respostas e, a partir desse ponto, executar tarefas preditivas 
com algoritmos de classificação. Ou seja, a asserção I é falsa. 
 
 
• Pergunta 4 
1 em 1 pontos 
 
Quando acontece de haver várias variáveis quantitativas em uma determinada amostra de dados, é comum a realização da análise da (possível) 
relação entre essas variáveis por meio do cálculo de suas correlações. Neste caso, o cálculo de suas correlações sempre é feito de duas em duas 
variáveis. Comumente, também se apresenta a correlação de cada variável com ela mesma, o que sempre resulta em uma correlação perfeita, igual a 
1. 
 
A tabela adiante mostra o resultado do cálculo das correlações entre 5 variáveis quantitativas de uma determinada amostra. 
 
 x1 x2 x3 x4 x5 
x1 1,00 - 0,85 - 0,78 - 0,87 0,42 
x2 - 0,85 1,00 0,79 0,89 - 0,43 
x3 - 0,78 0,79 1,00 0,66 - 0,71 
x4 - 0,87 0,89 0,66 1,00 - 0,17 
x5 0,42 - 0,43 - 0,71 - 0,17 1,00 
 
 
Quadro: Correlações cruzadas entre as variáveis quantitativas x1, x2, x3, x4 e x5 
Fonte: Elaborado pelo autor. 
 
Com respeito a essa tabela de correlações, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Os valores 1,00 apenas indicam a correlação perfeita que existe entre uma variável e ela mesma, uma informação de pouco valor prático. 
II. ( ) A maior correlação positiva é aquela entre as variáveis x2 e x4, no valor de 0,89, que indica uma forte associação entre essas duas variáveis, e 
que uma aumenta com um aumento da outra. 
III. ( ) A maior (em valor absoluto) correlação negativa é aquela entre as variáveis x1 e x4, no valor de - 0,87, que indica uma forte associação entre 
essas duas variáveis, e que uma diminui quanto a outra aumenta. 
IV. ( ) A menor (em valor absoluto) correlação negativa é aquela entre as variáveis x4 e x5, no valor de - 0,17, que indica uma fraca associação entre 
essas duas variáveis, e que uma diminui quando a outra aumenta. 
 
Resposta Selecionada: 
 
V, V, V, V. 
Resposta Correta: 
 
V, V, V, V. 
Feedback da 
resposta: 
Resposta correta. A sequência está correta. Os valores 1,00 apenas indicam a correlação perfeita que existe entre uma variável e ela 
mesma. A maior correlação positiva é aquela entre as variáveis x2 e x4, indicando uma forte associação entre essas duas variáveis, e 
que uma aumenta com um aumentoda outra. A maior (em valor absoluto) correlação negativa é aquela entre as variáveis x1 e x4, 
indicando uma forte associação entre essas duas variáveis, e que uma diminui quanto a outra aumenta. A menor (em valor absoluto) 
 
correlação negativa é aquela entre as variáveis x4 e x5, indicando uma fraca associação entre essas duas variáveis, e que uma 
diminui quando a outra aumenta. 
 
• Pergunta 5 
1 em 1 pontos 
 
O texto em referência apresenta como exemplo de agrupamento uma companhia de vendas online que deseja agrupar seus clientes com base em suas 
características comuns (renda, idade, número de filhos, estado civil, grau de educação, etc.). Com o resultado do agrupamento, eles definirão 
campanhas de marketing e de divulgação específicas para cada um dos diferentes grupos que vierem a ser definidos. 
 
DUHAM, Margareth H. Data mining : introductory and advanced topics. Upper Saddle River, NJ: Pearson Education, 2003, p.125. 
A respeito das fontes que originaram os contos de fadas, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
I. ( ) Algoritmos de agrupamento só conseguem lidar com variáveis quantitativas. Sendo assim, parte das variáveis disponíveis para esse caso são 
irrelevantes. 
II. ( ) Algoritmos de agrupamento são especializados no tratamento de conjuntos de dados exclusivamente qualitativos. 
III. ( ) Algoritmos de agrupamento podem ter as suas soluções verificadas por um supervisor e, dessa forma, saberemos se o resultado é bom ou ruim. 
IV. ( ) Seres humanos não possuem habilidade natural para agrupar e depois classificar, já que isso só pode ser realizado por meio de algoritmos. 
 
Resposta Selecionada: 
 
F, F, F, F. 
Resposta Correta: 
 
F, F, F, F. 
Feedback da 
resposta: 
Resposta correta. A sequência está correta. Há algoritmos de agrupamento que lidam variáveis quantitativas, ou qualitativas, ou 
mistas. Portanto, as asserções I e II são falsas. Algoritmos de agrupamento não podem ter as suas soluções verificadas por um 
supervisor, pois fazem parte dos métodos de aprendizagem não supervisionada. E seres humanos possuem habilidade natural para 
agrupar e depois classificar. Portanto, as asserções III e IV também são falsas. 
 
 
• Pergunta 6 
1 em 1 pontos 
 
Leia o excerto a seguir sobre as ideias-chave para agrupamento hierárquico: 
 
“Começa com todos os registros. Progressivamente, os grupos são unidos aos grupos próximos até que todos os registros pertençam a um único 
grupo. O histórico de aglomeração é retido e plotado, e o usuário pode visualizar o número e a estrutura dos grupos em diferentes estágios. As 
distâncias intergrupos são calculadas de jeitos diferentes, todas baseadas no conjunto de distância inter-registros.” 
 
BRUCE, Peter; BRUCE, Andrew. Estatística prática para cientistas de dados : 50 conceitos iniciais. Rio de Janeiro: Alta Books, 2019, p. 278. 
 A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. 
 
I. No agrupamento hierárquico, o usuário deve obrigatoriamente especificar o número de grupos que deseja ver o algoritmo formar. 
Pois 
II. O algoritmo começa com grupos formados por registros individuais e, progressivamente, os grupos são unidos aos grupos mais próximos, até que 
todos os registros pertençam a um único grupo. 
 
 
Resposta Selecionada: 
 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
Resposta Correta: 
 
A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. 
Feedback da 
resposta: 
Resposta correta. A alternativa está correta, pois no agrupamento hierárquico, diferentemente do que se requer para o agrupamento 
por k-médias, o usuário não especifica o número de grupos que o algoritmo deve formar. Em estágios progressivos, se parte de 
tantos grupos quanto o número de registros (observações) do conjunto de dados, formam-se sequencialmente vários agrupamentos, 
por fusão entre grupos mais similares entre si, até se formar um único grupo, ao final, com todos os registro do conjunto de dados 
analisado. Ao usuário cabe examinar essa estrutura, e decidir que agrupamentos fazem mais sentido para a sua análise. 
 
 
• Pergunta 7 
1 em 1 pontos 
 
A estatística, a ciência da computação, a mineração de dados e a ciência dos dados são áreas correlacionadas. Dentre essas, a mais antiga é a 
estatística, seguida da ciência da computação, depois da mineração de dados, e finalmente da ciência dos dados, a mais nova dessas quatro áreas de 
conhecimento. 
 
Com referência ao relacionamento entre essas quatro áreas de conhecimento humano, analise as afirmativas a seguir: 
 
 
I. Algoritmos de machine learning nasceram na ciência da computação. Hoje são usados na estatística, na mineração de dados e na ciência dos dados. 
II. Dentre as diversas áreas citadas, é a estatística que possui os melhores fundamentos para a interpretação de fenômenos aleatórios. 
III. A estatística é considerada a mais sutil, e a mais ampla, quando nos referimos a análise de dados. É aplicada a todas áreas de atividade humana. 
IV. Sabemos que, na ciência dos dados, podem-se utilizar de muitos termos diferentes, herdados das outras áreas, para se referir a um mesmo 
conceito. 
 
 
Resposta Selecionada: 
 
I, II, III e IV. 
Resposta Correta: 
 
I, II, III e IV. 
Feedback da 
resposta: 
Resposta correta. A alternativa está correta, pois algoritmos de machine learning nasceram na ciência da computação e hoje são 
usados na estatística, na mineração de dados e na ciência dos dados. De fato, é a estatística que possui os melhores fundamentos 
para a interpretação de fenômenos aleatórios, e é considerada a mais sutil, e a mais ampla, quando nos referimos a análise de dados. 
Já há muitos anos é aplicada a todas áreas de atividade humana. Por outro lado, também sabemos que, na ciência dos dados, 
podem-se utilizar de muitos termos diferentes, herdados das outras áreas, para se referir a um mesmo conceito. 
 
 
• Pergunta 8 
1 em 1 pontos 
 
Os métodos de aprendizagem estatística (statistical learning, em inglês) são divididos em métodos de aprendizagem supervisionada e métodos de 
aprendizagem não supervisionada. Para cada uma dessas diferentes abordagens, há uma coleção relativamente grande de diferentes métodos, cada 
um com seu próprio jeito de funcionamento. 
 
Assinale a alternativa que indica um problema de aprendizagem não supervisionada: 
 
 
 
Resposta Selecionada: 
 
Desejamos entender se há similaridade entre observações (indivíduos) de uma certa amostra de dados. 
Resposta Correta: 
 
Desejamos entender se há similaridade entre observações (indivíduos) de uma certa amostra de dados. 
Feedback da 
resposta: 
Resposta correta. A alternativa está correta, pois entender se há similaridade entre observações (indivíduos) de uma amostra é o 
mesmo que tentar agrupar os indivíduos similares, o que é um problema de aprendizagem não supervisionada. Todos os demais 
problemas propostos são problemas de aprendizagem supervisionada, em que há uma variável resposta supervisora, quantitativa ou 
qualitativa, para o treinamento do algoritmo preditivo. 
 
 
• Pergunta 9 
1 em 1 pontos 
 
Um jovem cientista de dados realizou uma análise de agrupamento de apenas cinco estados americanos parte do famoso conjunto de dados USArrests, 
o qual possue 50 observações (50 estados americanos) de 4 variáveis (Murder, Assault, UrbanPop e Rape). 
 
Obteve o resultado exibido na figura exibida adiante: 
 
 
Figura - Dendrograma do agrupamento dos cinco estados 
Fonte: Elaborada pelo autor 
 
Relativamente à interpretação desta figura, assinale a alternativa correta: 
 
 
 
Resposta 
Selecionada: 
 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que representa os vários grupos formados em cada estágio 
do processo de agrupamento hierárquico. 
Resposta Correta: 
 
 
É um dendrograma, ou seja, um gráfico na forma de uma árvore, que representa os vários grupos formadosem cada estágio 
do processo de agrupamento hierárquico. 
Feedback da 
resposta: 
Resposta correta. A alternativa está correta. O dendrograma resultante de uma análise de agrupamento hierárquico representa todos 
os agrupamentos possíveis, desde os grupos formados por observações individuais (no exemplo, cada um dos cinco estados) até o 
topo com um único grupo formado por todas as observações (no exemplo, um único grupo com os cinco estados). Cabe ao cientista 
de dados escolher o agrupamento que faz mais sentido para a sua análise. As demais alternativas estão erradas, como se pode 
verificar de uma leitura direta do próprio dendrograma. 
 
• Pergunta 10 
1 em 1 pontos 
 
Discutimos o que são aprendizagem supervisionada e não supervisionada. Vimos que é na forma como tratamos as variáveis estudadas que se dá a 
diferença entre esses dois tipos de aprendizagens, supervisionada e não supervisionada. Esses dois tipos são os mais importantes dentre os diversos 
tipos de aprendizagem. 
 
Relativamente a esse assunto, analise as afirmativas a seguir: 
 
I. Na aprendizagem supervisionada, definimos uma das variáveis estudadas como sendo a variável resposta, a qual responde em função dos valores 
assumidos pelas outras variáveis, as quais são chamadas de variáveis de entrada. 
II. Especificamente na aprendizagem supervisionada, também denominamos uma variável resposta de variável de saída ou variável dependente. 
III. Especificamente na aprendizagem supervisionada, também denominamos uma variável de entrada de variável regressora, variável preditora, 
variável explanatória ou variável independente. 
IV. Na aprendizagem não supervisionada, tratamos todas as variáveis estudadas da mesma forma, sem procurar explicar o comportamento de uma 
delas em função dos valores assumidos pelas outras. 
 
 
 
 
Resposta Selecionada: 
 
I, II, III e IV. 
Resposta Correta: 
 
I, II, III e IV. 
Feedback da 
resposta: 
Resposta correta. Na aprendizagem supervisionada, definimos uma das variáveis estudadas como sendo a variável resposta, a qual 
responde em função dos valores assumidos pelas outras variáveis, as quais são chamadas de variáveis de entrada; na aprendizagem 
supervisionada, também chamamos a variável resposta de variável de saída ou variável dependente e as variáveis de entrada, de 
variáveis regressoras, preditoras ou independentes. Na aprendizagem não supervisionada, tratamos todas as variáveis estudadas da 
mesma forma, sem procurar explicar o comportamento de uma delas em função dos valores assumidos pelas outras.