Logo Passei Direto

A maior rede de estudos do Brasil

Grátis
11 pág.
AtividadeII_aprendizado de máquina

Pré-visualização | Página 1 de 2

· Pergunta 1
· 0 em 1 pontos
· 
	
	
	
	Algoritmo SVR ( 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 categóricas.
	Resposta Correta:
	 
Variáveis ordenadas contínuas.
	Comentário da resposta:
	Infelizmente, sua resposta está incorreta. Lembre-se que, este algoritmo é capaz de utilizar um conjunto de dados formado por números reais.
	
	
	
· 
Pergunta 2
· 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 3
· 1 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, V, F.
	Resposta Correta:
	 
F, V, V, F.
	Comentário da resposta:
	Parabéns! Sua resposta está correta. A afirmativa II e III estão corretas, pois é um vetor de pesos que, multiplicado pelo valor amostral de X e somado à constante b, define o hiperplano em Classificação ou Regressão.
	
	
	
· 
Pergunta 4
· 1 em 1 pontos
· 
	
	
	
	Diversos são os modelos de algoritmos que podem empregar técnicas de Mineração de Dados e Aprendizado de Máquina. Muitos deles são utilizados para resolver problemas de Classificação quanto de Regressão, o que muda é o tipo de conjunto de dados a ser utilizado.
 
Com bases nessas informações e no conteúdo estudado sobre problemas de classificação e regressão, pode-se afirmar que um algoritmo capaz de utilizar essas duas categorias é conhecido como:
	
	
	
	
	
	Resposta Selecionada:
	 
Redes Neurais Artificiais.
 
	Resposta Correta:
	 
Redes Neurais Artificiais.
 
	Comentário da resposta:
	Parabéns! Sua resposta está correta. Uma rede neural artificial pode ser utilizada pra resolver ambos os problemas, basta o profissional escolher o modelo de conjunto de dados e aplicar a técnica correta.
	
	
	
· 
Pergunta 5
· 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:
	 
Underfitting.
	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.
	
	
	
· 
Pergunta 6
· 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:
	 
4,3.
	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 7
· 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 8
· 0 em 1 pontos
· 
	
	
	
	Os algoritmos de regressão fazem parte do contexto de Aprendizado Supervisionado. Tratam-se de técnicas que não têm a capacidade de sintetizar informações textuais, isto é, só conseguem predizer valores numéricos.
 
A partir dessas informações e do conteúdo estudado sobre modelos de Regressão, pode-se afirmar que estas variáveis são representadas por:
	
	
	
	
	
	Resposta Selecionada:
	 Valores booleanos.
	Resposta Correta:
	 Valores contínuos.
	Comentário da resposta:
	Infelizmente, sua alternativa está incorreta. Esse tipo de algoritmo é muito bem aplicado quando há uma boa correlação linear entre os dados, ou seja, quando há duas ou mais variáveis relacionadas.
	
	
	
· 
Pergunta 9
· 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
Página12