Tipos de Aprendizagem Supervisionada e Avaliação de Clientes para Cartão de Crédito

Prévia do material em texto

Usuário BRUNO CESAR LIMA 
Curso GRA1561 ESTATISTICA APLICADA AO DATA SCIENCE ENGCI201 - 
202010.ead-1953.04 
Teste ATIVIDADE 2 (A2) 
Iniciado 10/04/20 19:27 
Enviado 10/04/20 20:11 
Status Completada 
Resultado da 
tentativa 
10 em 10 pontos 
Tempo decorrido 44 minutos 
Resultados exibidos Respostas enviadas, Respostas corretas, Comentários 
 Pergunta 1 
1 em 1 pontos 
 Vimos que há dois principais tipos de aprendizagem supervisionada: problema de regressão 
e problema de classificação. São os tipos de variáveis resposta dos dados em análise que 
distinguem esses dois tipos entre si. 
 
Relativamente a esses dois tipos, analise as afirmativas a seguir. 
 
1. Na aprendizagem supervisionada, um problema de regressão é um no qual a variável 
resposta é qualitativa. 
2. Na aprendizagem supervisionada, um problema de regressão é um no qual a variável 
resposta é quantitativa. 
3. Na aprendizagem supervisionada, um problema de classificação é um no qual a variável 
resposta é qualitativa. 
4. Na aprendizagem supervisionada, um problema de classificação é um no qual a variável 
resposta é quantitativa. 
 
 
Está correto o que se afirma em: 
 
Resposta Selecionada: 
II e III, apenas. 
Resposta Correta: 
II e III, apenas. 
Feedback da 
resposta: 
Resposta correta. Na aprendizagem supervisionada, um 
problema de regressão é um no qual a variável resposta é 
quantitativa e um problema de classificação é um no qual a 
variável resposta é qualitativa. 
 
 
 Pergunta 2 
1 em 1 pontos 
 A atividade de venda de produtos financeiros por bancos, tais como cartões de crédito, 
requer que se faça uma avaliação do cliente. São focos dessa avaliação aprovar ou não um 
cartão de crédito para o cliente e, se aprovado, definir o limite do cartão, ou seja, o valor do 
crédito a conceder. 
 
Com base nessa introdução, analise as afirmativas a seguir. 
 
1. O primeiro foco da avaliação é um problema de regressão: aprovar (sim ou não) o cartão de 
crédito, uma variável qualitativa dicotômica, com dois níveis (classes). 
2. O primeiro foco da avaliação é um problema de classificação: aprovar (sim ou não) o cartão 
de crédito, uma variável qualitativa dicotômica, com dois níveis (classes). 
3. O segundo foco da avaliação é um problema de classificação, predizer o valor do limite (do 
crédito) do cartão. 
4. O segundo foco da avaliação é um problema de regressão, predizer o valor do limite (do 
 
crédito) do cartão. 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
II e IV, apenas. 
Resposta Correta: 
II e IV, apenas. 
Feedback 
da resposta: 
Resposta correta. O primeiro foco da avaliação é um problema de classificação, 
aprovar (sim ou não) o cartão de crédito, uma variável qualitativa dicotômica, com dois 
níveis (classes); o segundo foco da avaliação é um problema de regressão, ou seja, 
predizer o valor do limite (de crédito) do cartão a ser concedido para o cliente. Esse 
valor é uma variável quantitativa, cuja predição é feita por algoritmos de regressão. 
 
 
 Pergunta 3 
1 em 1 pontos 
 Vimos que uma jovem cientista de dados realizou o treino (ajuste) de um modelo de 
regressão logística múltipla aos dados da amostra. Os resultados que encontrou foram 
muito ricos, sugerindo uma série de explicações, aprendidas pelo algoritmo com base nos 
dados fornecidos. Veja que dizemos “explicações sugeridas”, pois qualquer resultado de um 
algoritmo deve ser confrontado com especialistas da área em estudo. Contudo, vamos rever 
o que o modelo de regressão múltipla treinado pela jovem cientista de dados sugere. Para 
isso, analise as afirmativas a seguir. 
 
1. A probabilidade da inadimplência cresce com o aumento dos gastos médios com o cartão de 
crédito. Isto, que nos parece óbvio, foi o que os dados “contaram” para o algoritmo de 
regressão logística múltipla. 
2. A probabilidade da inadimplência cresce com o aumento da renda média mensal das 
pessoas. Isto não é tão óbvio e provavelmente não teríamos coragem de generalizar para 
outras situações, mas foi o que os dados da amostra do gerente do banco “contaram” para o 
algoritmo de regressão logística múltipla. 
3. Para duas pessoas com a mesma renda mensal e o mesmo gasto mensal com cartão de 
crédito, a probabilidade de inadimplência com o cartão é maior para aquela sem emprego 
estável. Novamente, isto foi o que os dados amostrados “contaram” para o algoritmo de 
regressão logística múltipla. 
4. O modelo de regressão logística múltipla, ajustado aos dados da amostra, consegue 
predizer os efeitos da renda mensal da pessoa, do seu gasto médio mensal com cartão de 
crédito e se ela tem ou não um emprego estável, na probabilidade de a pessoa ficar 
inadimplente com o cartão de crédito. Um algoritmo desse tipo pode ajudar no processo 
decisório de um banco quanto à aprovação de cartão de crédito, ao lado de outros critérios e 
ferramentas analíticas disponíveis para o banco. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, II, III e IV. 
 
 
Resposta Correta: 
I, II, III e IV. 
 
 
 
Feedback 
da resposta: 
Resposta correta. Todas as asserções desta questão são 
verdadeiras. Para os dados analisados, probabilidade da 
inadimplência cresce com o aumento dos gastos médios com o 
cartão de crédito e com o aumento da renda média mensal das 
pessoas. Para duas pessoas com a mesma renda mensal e o 
mesmo gasto mensal com cartão de crédito, a probabilidade de 
inadimplência com o cartão é maior para aquela sem emprego 
estável. E o modelo de regressão logística múltipla é um modelo 
preditivo, um classificador probabilístico. 
 
 Pergunta 4 
1 em 1 pontos 
 A estatística descritiva usa de métodos numéricos para resumir dados, também chamados 
de sumários estatísticos, e de gráficos para a visualização dos dados. A jovem cientista de 
dados usou algumas técnicas de visualização de dados para analisar sua amostra, mas 
deixou outras de lado. 
 
Analise as afirmativas a seguir e veja quais estão coerentes com sua análise descritiva dos 
dados. 
 
1. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou 
histogramas para a visualização dos dados quantitativos das amostras, que são a renda 
mensal das pessoas e seus gastos médios com o cartão de crédito. 
2. Na sua análise descritiva dos dados da amostra, a jovem cientista de dados usou diagramas 
de barras para a visualização dos dados quantitativos das amostras, que são a renda 
mensal das pessoas e seus gastos médios com o cartão de crédito. 
 
 
 
3. Histogramas e diagramas de barras são formas tradicionais de visualização gráfica de 
dados quantitativos e qualitativos, respectivamente, na estatística e na ciência dos dados. 
4. A jovem cientista de dados usou, para este caso, apenas histogramas, e preferiu apenas 
lançar mão da função table() do software estatístico R, para determinar a frequência com 
que os níveis das variáveis qualitativas se manifestaram na amostra estudada, sem fazer 
uso de diagramas de barras, o que poderia ter feito, se quisesse. 
 
 
Está correto o que se afirma em: 
 
 
 
Resposta Selecionada: 
I, III e IV apenas. 
Resposta Correta: 
I, III e IV apenas. 
Feedback 
da 
resposta: 
Resposta correta. Histogramas e diagramas de barras são formas 
tradicionais de visualização gráfica de dados quantitativos e 
qualitativos, respectivamente, na estatística e na ciência dos 
dados, e a jovem cientista de dados não lançou mão de 
diagramas de barras. Neste caso, para visualizar os dados 
qualitativos, poderia ter feito isso, se quisesse. Diagramas de 
barras são usados para a visualização de dados qualitativos, não 
 
quantitativos. 
 
 Pergunta 5 
1 em 1 pontos 
 A jovem cientista de dados, tendo em mãos os dados que lhe foram passados pelo gerente 
do banco, precisou denominá-los corretamente para a fase de treino (ajuste) do algoritmo 
preditivo. Ela escolheu a regressão logística como seu algoritmo preditivo, paraclassificar o 
potencial (a probabilidade) de uma pessoa ficar ou não inadimplente com o pagamento das 
faturas do cartão de crédito. 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
3. ( ) A jovem cientista de dados escolheu como variável resposta a renda mensal da pessoa, e 
tratou as demais variáveis como variáveis de entrada. 
4. ( ) A jovem cientista de dados escolheu o gasto médio mensal da pessoa com cartão de 
crédito como a variável resposta, e tratou as demais como variáveis de entrada. 
5. ( ) A jovem cientista de dados não definiu qualquer das quatro variáveis como a variável 
resposta, e decidiu realizar uma análise baseada em aprendizagem não supervisionada. 
6. ( ) A jovem cientista de dados escolheu como variável resposta se a pessoa havia, ao longo 
do período pesquisado, ficado inadimplente com o pagamento das faturas do cartão ao 
menos uma vez (Sim ou Não), e tratou as demais variáveis como variáveis de entrada. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
F, F, F, V. 
Resposta Correta: 
F, F, F, V. 
Feedback 
da resposta: 
Resposta correta. A jovem cientista de dados escolheu como 
variável resposta se a pessoa havia, ao longo do período 
pesquisado, ficado inadimplente com o pagamento das faturas do 
cartão ao menos uma vez (Sim ou Não), e tratou as demais 
variáveis como variáveis de entrada. 
 
 
 Pergunta 6 
1 em 1 pontos 
 Tarefas de classificação são muitos comuns na estatística e na ciência dos dados, por 
serem muito comuns em todas atividades humanas, na ciência, na vida social ou nos 
negócios. 
Especificamente, discutimos aplicações de modelos preditivos de classificação baseados 
em modelos de regressão logística simples ou múltipla. 
Com isso em mente, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
0. Regressão logística pode ser empregada na predição do peso médio (massa corporal 
média) de uma pessoa em função de sua altura, idade e sexo. 
1. Regressão logística pode ser empregada na predição do consumo médio de combustível de 
um carro em função da potência do seu motor e do seu peso. 
2. Regressão logística pode ser empregada na predição da probabilidade de uma pessoa votar 
em um determinado candidato e não nos outros em função de sua escolaridade, idade, sexo 
e classe social. 
3. Regressão logística pode ser empregada na predição da probabilidade de a pessoa ser 
diabética em função de um conjunto de sintomas clínicos que apresenta. 
 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
F, F, V, V. 
Resposta Correta: 
F, F, V, V. 
Feedback 
da resposta: 
Resposta correta. As duas primeiras situações se referem à 
predição de variáveis resposta quantitativas, o que não é 
possível com modelos de regressão logística; já as duas últimas 
situações são adequadas ao emprego de modelos de regressão 
logística. 
 
 
 Pergunta 7 
1 em 1 pontos 
 Os dados cedidos pelo gerente do banco estavam bem organizados e livres de erros. A 
nossa jovem cientista de dados não precisou, portanto, fazer uma limpeza e pré-tratamento 
dos dados e pode prosseguir imediatamente para uma análise descritiva deles antes do 
desenvolvimento do modelo. 
Tendo isso em vista, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) 
e F para a(s) Falsa(s). 
 
0. ( ) Chamamos de análise descritiva dos dados seus sumários (ou resumos) estatísticos dos 
mesmos e a sua visualização. Ambos, os sumários e as visualizações, nos ajudam a 
entender o comportamento dos dados e, através deles, do fenômeno ou processo estudado. 
1. ( ) São quatro as variáveis estudadas pela cientista de dados: renda mensal da pessoa, 
seus gastos médios com o cartão, se a pessoa tinha ou não um emprego estável ao longo 
do período amostrado e se ficou ou não inadimplente ao longo do deste período. 
2. ( ) Para criar sumários estatísticos das variáveis quantitativas, a renda mensal da pessoa e 
seus gastos com o cartão, a cientista de dados usou as funções min(), mean() e max() do 
software estatístico R para calcular os valores mínimo, médio e máximo dos dados 
observados para essas variáveis. 
3. ( ) Para criar sumários estatísticos das variáveis qualitativas, se a pessoa tinha ou não um 
emprego estável e se tinha ou não ficado inadimplente com o pagamento das faturas do 
cartão ao longo do período amostrado, a cientista de dados usou a função table() do 
software estatístico R para calcular a frequência com que os níveis de cada uma dessas 
variáveis se manifestaram na amostra estudada. 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
 
Resposta Selecionada: 
V, V, V, V. 
Resposta Correta: 
V, V, V, V. 
Feedback 
da resposta: 
Resposta correta. Chamamos de análise descritiva dos dados 
seus sumários (ou resumos) e a sua visualização por meio de 
gráficos. São quatro as variáveis estudadas pela cientista de 
dados. Para criar sumários estatísticos das variáveis 
quantitativas, a cientista de dados usou as funções min(), mean() 
 
e max() do software estatístico R, e para os sumários estatísticos 
das variáveis qualitativas, usou a função table() do mesmo 
software, e assim calculou a frequência com que os níveis de 
cada uma dessas variáveis se manifestaram na amostra 
analisada. 
 
 Pergunta 8 
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. 
 
0. 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. 
1. Especificamente na aprendizagem supervisionada, também denominamos uma variável 
resposta de variável de saída ou variável dependente. 
2. Especificamente na aprendizagem supervisionada, também denominamos uma variável de 
entrada de variável regressora, variável preditora ou variável independente. 
3. 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. 
 
 
 
Está correto o que se afirma em: 
 
 
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. 
 
 
 Pergunta 9 
1 em 1 pontos 
 Ao longo das nossas discussões, demos foco a um classificador chamado de regressão 
logística que, apesar do nome regressão (esse nome por razões históricas e por conta de 
algumas de suas características), é usado como um classificador. Mas também vimos que 
existem outros tipos de classificadores. 
Relativamente a esse assunto de algoritmos de classificação, analise as afirmativas a 
seguir. 
 
 
0. Regressão logística é o único método de aprendizagem supervisionada que é utilizado para 
classificação, todos outros métodos são métodos de regressão. 
1. Apesar do nome regressão logística,o que acaba sendo um pouco confuso para iniciantes, 
na verdade este é um dos vários métodos de aprendizagem supervisionada utilizado para 
classificação. 
2. Dentre os métodos utilizados para classificação se encontram regressão logística, análise 
discriminante linear (LDA = Linear Discriminant Analysis), árvores de decisão para 
classificação, máquinas de vetores de suporte (SVM = support vector machines) e k-
vizinhos mais próximos (KNN = k-nearest neighbors). 
3. Regressão linear não é um método de classificação, mas, sim, um dos métodos preditivos 
de aprendizagem supervisionada usados na predição de valores de variáveis respostas 
quantitativas. 
 
 
Está correto o que se afirma em: 
 
 
Resposta Selecionada: 
II, III e IV, apenas. 
 
 
 
Resposta Correta: 
II, III e IV, apenas. 
 
 
 
Feedback 
da resposta: 
Resposta correta. A única asserção incorreta desta questão é a 
primeira, que afirma que regressão logística é o único método de 
aprendizagem supervisionada que é utilizado para classificação, 
todos outros métodos são métodos de regressão. 
 
 
 Pergunta 10 
1 em 1 pontos 
 Entre as técnicas das quais lançou mão para a visualização dos dados da amostra, uma 
jovem cientista de dados usou boxplots (diagramas de caixas). Como cientista de dados, ela 
sabia exatamente em que situações empregar boxplots. E você, será que você também já 
sabe? 
 
Analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). 
 
0. ( ) Para examinar visualmente a relação entre duas variáveis, em que uma é quantitativa e a 
outra é qualitativa, não é possível a utilização de gráficos de dispersão. 
1. ( ) Boxplots são uma solução inteligente para a visualização da relação entre uma variável 
quantitativa e uma variável qualitativa, em que no eixo horizontal indicamos os níveis da 
variável qualitativa e no eixo vertical, a variação dos valores observados para a variável 
quantitativa. 
2. ( ) Para examinar visualmente a relação entre duas variáveis quantitativas, um dos gráficos 
preferidos é o diagrama de caixas, também conhecido como boxplot. 
3. ( ) Na construção de um boxplot, podemos representar no eixo vertical os níveis da variável 
qualitativa e no eixo horizontal, os valores da variável quantitativa. Nesse caso, a 
visualização da variação dos dados da variável quantitativa é exibida horizontalmente, e os 
níveis (classes) da variável qualitativa são exibidos verticalmente. 
 
 
 
Assinale a alternativa que apresenta a sequência correta. 
 
 
Resposta Selecionada: 
V, V, F, V. 
Resposta Correta: 
V, V, F, V. 
Feedback 
da resposta: 
Resposta correta. A única asserção falsa é a que afirma que para 
examinar visualmente a relação entre duas variáveis 
quantitativas, um dos gráficos preferidos é o diagrama de caixas, 
também conhecido como boxplot. Para examinar visualmente a 
relação entre duas variáveis, em que uma é quantitativa e a outra 
é qualitativa, não é possível a utilização de gráficos de dispersão. 
Para isso, usamos boxplots, em que, no eixo horizontal, 
indicamos os níveis da variável qualitativa e, no eixo vertical, a 
variação dos valores observados para a variável quantitativa. 
Podemos inverter a posição desses eixos.