Modelos de Aprendizado de Máquina

Prévia do material em texto

Usuário
	LEONARDO HENRIQUE MUSSO
	Curso
	GRA1566 MODELOS DE APRENDIZADO DE MAQUINA GR2186211 - 202110.ead-29778924.06
	Teste
	ATIVIDADE 2 (A2)
	Iniciado
	03/06/21 14:49
	Enviado
	03/06/21 16:49
	Status
	Completada
	Resultado da tentativa
	5 em 10 pontos  
	Tempo decorrido
	1 hora, 59 minutos
	Resultados exibidos
	Respostas enviadas, Respostas corretas, Comentários
· Pergunta 1
0 em 1 pontos
	
	
	
	Ao se criar o modelo que se assemelha a uma árvore, o algoritmo possui em sua estrutura um maior nível hierárquico, localizado no topo da árvore e seguindo por um conjunto de decisões, até que se chegue ao fim, onde será feita a tomada de decisão, ou seja, escolhida a resposta final.
 
Considerando essas informações e o conteúdo estudado, analise entre as partições a seguir quais são as que assemelham ao maior nível hierárquico e a decisão final.
 
I. Ponto de partida.
II. Ramos.
III. Nó de decisão.
IV. Nó folha.
 
Está correto apenas o que se afirma em:
	
	
	
	
		Resposta Selecionada:
	 
II e III.
	Resposta Correta:
	 
I e IV.
	Comentário da resposta:
	Resposta incorreta. Tenha em mente que este modelo de algoritmo utiliza heurística de particionamento recursivo na hora da sua criação, que define a melhor bipartição de cada nó utilizando uma técnica do tipo dividir para conquistar.
	
	
	
· Pergunta 2
1 em 1 pontos
	
	
	
	O Aprendizado Supervisionado é dividido em modelos de classificação e regressão, ambos com características próprias. O primeiro possui variáveis de saída conhecidas como rótulos ou categorias, sendo que a função de mapeamento é responsável por prever uma classe ou categoria para cada observação. Já no segundo modelo, a variável de saída pode representar um valor real de acordo com a definição do problema, como um número inteiro, ou valor de ponto flutuante, como, por exemplo, quantidade e tamanho.
 
A partir dessas informações e do conteúdo estudado sobre métodos de classificação e regressão, os algoritmos que abordam as duas técnicas são:
	
	
	
	
		Resposta Selecionada:
	 
Redes Neurais Artificiais e Árvore de Decisão.
	Resposta Correta:
	 
Redes Neurais Artificiais e Árvore de Decisão.
	Comentário da resposta:
	parabéns sua resposta está correta. pode-se resolver problemas de classificação e regressão utilizando uma Rede Neural Artificial ou um Árvore de Decisão, lembrando que é fundamental, independentemente do tipo ou estrutura do conjunto de dados, que eles venham rotulados.
	
	
	
· Pergunta 3
1 em 1 pontos
	
	
	
	O Aprendizado de Máquina é dividido em técnicas que são capazes de utilizar um conjunto de dados a priori, ou seja, dados já rotulados. Um bom exemplo para a criação desses modelos é o conjunto de dados históricos de clientes de uma empresa de crédito, que possuem renda maior de R$ 100.000,00. Esta informação se torna muito valiosa quando, por exemplo, esta mesma empresa deseja estender uma carta de crédito aos clientes que têm potencial para um financiamento mais alto. O Aprendizado de Máquinas tem ainda outros modelos, que podem resolver problemas com outras complexidades.
 
Nesse contexto e considerando o conteúdo estudado sobre Aprendizado Supervisionado e suas funcionalidades, entre esses outros modelos estão:
	
	
	
	
		Resposta Selecionada:
	 
Classificação e Regressão.
	Resposta Correta:
	 
Classificação e Regressão.
	Comentário da resposta:
	Parabéns! Sua resposta está correta. Modelos de Classificação e Regressão têm como característica a utilização de dados pré-existentes. A única diferença entre eles é que, na Classificação, o conjunto de dados é dividido em classes, que podem conter números ou textos; e, na Regressão, o conjunto de dados observado deverá conter apenas variáveis numéricas dentro de um limite de espaço.
	
	
	
· Pergunta 4
0 em 1 pontos
	
	
	
	O modelo de algoritmo SVM foi proposto para tratar problemas com separações binárias. Suas classes são divididas pelo hiperplano de separação ótima que tem como estratégia maximizar a margem de separação entre ela. A equação que define este hiperplano é dada por:
 
 
A partir dessas informações e considerando o conteúdo estudado sobre máquina de vetores de suporte, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s).
 
I. ( ) 𝑏
é a distância entre as linhas dos espaços delimitados.
II. ( ) 𝑤 representa o vetor de pesos
III. ( ) 𝑥
são os pontos sobre o hiperplano.
IV. ( ) 𝑤. 𝑥
é a multiplicação do cartesiano de 𝑤 e 𝑥.
 
Agora, assinale a alternativa que apresenta a sequência:
	
	
	
	
		Resposta Selecionada:
	 
F, V, F, V.
	Resposta Correta:
	 
F, V, V, F.
	Comentário da resposta:
	Infelizmente sua resposta está incorreta. Observe a equação e veja qual modelo matemático emprega o conjunto de dados a ser utilizado em um hiperplano.
	
	
	
· Pergunta 5
1 em 1 pontos
	
	
	
	O conceito de Árvore de Decisão utilizado nos modelos de Aprendizado Supervisionado, tanto em algoritmos de Regressão como Classificação, tem como finalidade auxiliar uma organização a tomar decisões e prever resultados.
São modelos formados por um conjunto de elementos repletos de informações e particionados em sub-regiões que percorrem caminhos hierárquicos, visando auxiliar no processo de tomada de decisão.
 
A estrutura típica, que finaliza e indica que já não é mais possível atribuir nenhuma classe para o nó, demonstrando que é chegada a hora de tomar a decisão correta, é conhecida como:
	
	
	
	
		Resposta Selecionada:
	 
Nó folha.
	Resposta Correta:
	 
Nó folha.
	Comentário da resposta:
	Parabéns! Sua resposta está correta. O nó folha ou nó resposta representa a tomada de decisão. Uma Árvore de Decisão se inicia com o nó raiz e termina com o nó folha, onde são iniciadas as informações advindas do conjunto de dados até a resposta final esperada pelo usuário.
	
	
	
· Pergunta 6
1 em 1 pontos
	
	
	
	Inúmeras são as técnicas que utilizam o Aprendizado de Máquina para prever um possível resultado, cada uma com sua particularidade. O KNN, ou Nearest Neighbour Retrieval (Vizinho mais próximo), é considerado uma das técnicas mais simples deste modelo de aprendizado, que tem como objetivo resolver problemas se baseando na sua distância com os casos existentes.
 
Com base nessas informações e o conteúdo estudado sobre o algoritmo KNN, responda: qual é a técnica que representa este modelo de Aprendizagem?
	
	
	
	
		Resposta Selecionada:
	 
Aprendizado Supervisionado – técnica de Classificação.
	Resposta Correta:
	 
Aprendizado Supervisionado – técnica de Classificação.
	Comentário da resposta:
	Parabéns! Sua resposta está correta. Este modelo utiliza técnicas de aprendizado supervisionado, em que seus dados já deverão ser pré-estabelecidos. Essas técnicas são muito utilizadas pra resolver os problemas de classificação em que os dados são qualificados de acordo com o cálculo da distância de cada amostra já pré-existente com uma nova amostra. Desse modo, o novo dado pertencerá sempre àquela classe, que conterá um maior número de dados (vizinhos mais próximos).
	
	
	
· Pergunta 7
0 em 1 pontos
	
	
	
	Classificar dados corresponde a dividir um conjunto de dados já pré-existentes em classes. Os dados serão classificados de acordo com sua similaridade e, para que essa classificação aconteça, eles deverão passar por três níveis de processos.
 
Considerando essas informações e o conteúdo estudado sobre modelos de Classificação, quais são esses processos?
 
I. Pré-processamento.
II. Escolher o modelo de algoritmo.
III. Extração de características.
IV. Classificação.
 
Está correto apenas que se afirma em:
	
	
	
	
		Resposta Selecionada:
	 
I, II e IV.
	Resposta Correta:
	 
I, III e IV.
	Comentário da resposta:
	Infelizmente, sua resposta está incorreta. Tenha em mente que o modelo de algoritmo escolhido é independente das fases de processamento dos dados. O importante nesta etapa é trabalhar com dados que não vão trazer redundância de informações para a tomado de decisão.
	
	
	
· Pergunta 8
1 em 1 pontos
	
	
	
	AlgoritmoSVR ( Support Vector Regression), ou Regressão de Vetores de Suporte, trata-se de um modelo adaptado do classificador “Máquinas de Vetores de Suporte” (SVM). A principal diferença destes dois modelos está nas variáveis que recebem, ou seja, cada um tem o seu tipo de variável particular.
 
Com bases nessas informações e do conteúdo estudado sobre métodos de classificação e regressão, os tipos de variáveis que utilizam o modelo SRV são conhecidos como:
	
	
	
	
		Resposta Selecionada:
	 
Variáveis ordenadas contínuas.
	Resposta Correta:
	 
Variáveis ordenadas contínuas.
	Comentário da resposta:
	Parabéns! Sua resposta está correta. O algoritmo SVR é classificado como modelo Regressor. Neste contexto, ele é capaz de trabalhar com variáveis ​​ordenadas contínuas, ou seja, podem receber em qualquer intervalo valores inteiros ou fracionários.
	
	
	
· Pergunta 9
0 em 1 pontos
	
	
	
	Uma Rede Neural Artificial pode ser composta por múltiplos neurônios. Esses neurônios são representados por sinais de entrada e por pesos, dando origem à saída desejada. Para o cálculo da saída desejada, é necessário multiplicar o valor das variáveis de entrada pelos pesos sinápticos. A figura a seguir representa um neurônio artificial do tipo Adelaine simples:
 
Fonte: Elaborado pela autora, 2020.
 
Com bases nessas informações e do conteúdo estudado sobre Redes Neurais Artificiais, pode-se afirmar que o valor da saída desejada é:
	
	
	
	
		Resposta Selecionada:
	 
5,1.
	Resposta Correta:
	 
5,2.
	Comentário da resposta:
	Infelizmente, sua resposta está incorreta. Lembre-se de que uma RNA é formada por variáveis de entrada e pesos sinápticos que, juntos, geram o valor da saída desejada.
	
	
	
· Pergunta 10
0 em 1 pontos
	
	
	
	Para utilizar o Aprendizado Supervisionado, inicialmente, necessita-se de um conjunto de dados já rotulados. Esses dados, muitas vezes, podem vir diagnosticados como ruidosos, ou seja, podem estar duplicados, faltosos ou inconsistentes, comprometendo a resposta a ser dada pela máquina.
O sobreajuste dos dados ocorre quando o modelo se adaptou muito bem aos dados os quais está sendo treinado. Nesse contexto, o modelo está adequado ao conjunto de dados de treino, mas não é capaz de se adaptar a novos dados. Isso ocorre quando os resultados obtidos no treinamento são excelentes e apresenta resultado problemático em dados de teste.
 
Considerando os conteúdos estudados, a má adaptação de sobreajuste dos dados, ocorrida em Aprendizado de Máquina, é conhecida como:
	
	
	
	
		Resposta Selecionada:
	 
RNA.
 
	QUESTÃO 13
	Assunto da unidade que será abordado na questão: Árvore de Decisão
	Tópico do e-book em que se encontra o tema abordado: 2.6 Principais Algoritmos de Regressão
	Tipo de questão: Complementação Múltipla
	Nível de dificuldade da questão: Médio
	Resposta Correta:
	 
Overfitting.
	Comentário da resposta:
	Infelizmente, sua resposta está incorreta. Lembre-se de que um modelo deve se ajustar ao conjunto de dados já observado, mas se torna ineficaz quando se trata da previsão de novos resultados. O modelo em questão quando testado em seu conjunto de dados se mostra altamente eficaz, mas quando utilizado em novas bases o resultado não é o desejado.
	
	
	
Terça-feira, 8 de Junho de 2021 19h51min50s BRT