AtividadeII_aprendizado de máquina

Prévia do material em texto

· 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 empresadeseja 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 10
· 1 em 1 pontos
· 
	
	
	
	Uma empresa de produtos eletrônicos deseja fazer uma classificação de seus melhores clientes nos últimos dez anos. Para isso, o dono solicitou, junto ao setor de T.I, que fosse realizado tal procedimento. Os profissionais coletaram as informações em um conjunto de dados históricos da empresa, mas observaram que alguns dados estavam duplicados, com informações faltantes ou inconsistentes.
 
A partir dessas informações e do conteúdo estudado sobre conjunto de dados e suas características, pode-se afirmar que dados que possuem alguma interferência em sua interpretação se referem a dados:
	
	
	
	
	
	Resposta Selecionada:
	 
Dados com ruídos ou ruidosos.
	Resposta Correta:
	 
Dados com ruídos ou ruidosos.
	Comentário da resposta:
	Parabéns! Sua resposta está correta. Dados que apresentam alguma inconformidade, conhecido como dados com ruídos ou ruidosos, podem atrapalhar na classificação do conjunto de dados, danificando a resposta que o gestor tanto procura e, muitas vezes, onerando o custo computacional da máquina.