Grátis: Questão 5/10 - Inteligência Artificial Aplicada Métodos como árvores de decisão apresentam vantagens quando comparados a. a outros métodos de apr... – Questões Respondidas

Inteligência Artificial

Outros

Questão 5/10 - Inteligência Artificial Aplicada
Métodos como árvores de decisão apresentam vantagens quando comparados

a. a outros métodos de aprendizagem de máquina, pois são mais simples e fáceis de interpretar.
b. a outros métodos de aprendizagem de máquina, pois são mais precisos e têm maior capacidade de generalização.
c. a outros métodos de aprendizagem de máquina, pois são mais rápidos e consomem menos recursos computacionais.
d. a outros métodos de aprendizagem de máquina, pois são mais robustos e menos suscetíveis a overfitting.
e. nenhuma das anteriores.

Exercícios Para o Conhecimento

há 2 anos

Exercícios Para o Conhecimento

há 2 anos

Inteligência Artificial: Árvores de Decisão

Inteligência Artificial: Árvores de Decisão

UNISINOS

Respostas

Ed

há 6 meses

Vamos analisar as alternativas sobre as vantagens das árvores de decisão em comparação a outros métodos de aprendizagem de máquina: a) a outros métodos de aprendizagem de máquina, pois são mais simples e fáceis de interpretar. - Esta é uma vantagem reconhecida das árvores de decisão, pois elas oferecem uma representação visual clara e são intuitivas. b) a outros métodos de aprendizagem de máquina, pois são mais precisos e têm maior capacidade de generalização. - Embora possam ser precisas, não é garantido que sejam mais precisas que todos os outros métodos. c) a outros métodos de aprendizagem de máquina, pois são mais rápidos e consomem menos recursos computacionais. - Isso pode variar dependendo do contexto e do tamanho dos dados. d) a outros métodos de aprendizagem de máquina, pois são mais robustos e menos suscetíveis a overfitting. - Na verdade, árvores de decisão podem ser suscetíveis a overfitting se não forem podadas adequadamente. e) nenhuma das anteriores. - Esta opção não se aplica, pois a alternativa (a) é verdadeira. A alternativa correta é: a) a outros métodos de aprendizagem de máquina, pois são mais simples e fáceis de interpretar.

Essa resposta te ajudou?

0

0

left-side-bubbles-background

right-side-bubbles-background

Crie sua conta grátis para liberar essa resposta. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Ed

há 2 anos

A alternativa correta é a letra A) a outros métodos de aprendizagem de máquina, pois são mais simples e fáceis de interpretar. As árvores de decisão são métodos de aprendizagem de máquina que apresentam vantagens em relação a outros métodos, como a facilidade de interpretação e a simplicidade.

Essa resposta te ajudou?

0

0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Inteligência Artificial: Árvores de Decisão

Inteligência Artificial: Árvores de Decisão

UNISINOS

Mais perguntas desse material

Questão 2/10 - Inteligência Artificial Aplicada
“Criada nos anos 1960, a tecnologia que usa computadores e algoritmos para reconhecer rostos humanos ganhou escala há pelo menos uma década, muito graças ao avanço das redes sociais e da internet. Com milhares de pessoas disponibilizando voluntariamente suas fotos na internet, existe hoje um banco de dados com bilhões de imagens que servem para treinar redes de inteligência artificial a detectar e reconhecer rostos.”
Disponível em . Acesso em 19/04/2021

Apesar de ter sido criada na década de 60, a tecnologia de reconhecimento facial somente veio ser aplicada de fato e em larga escala nos tempos atuais. Dentre os motivos para que essa tecnologia não tenha sido melhor explorada na décadas passadas, podemos destacar como um fator de grande peso:

A a ausência de interesse em pesquisas
B os erros contidos nos métodos de reconhecimento
C não existir fotografia digital na época
D a baixa capacidade de armazenamento e processamento
E nenhuma das anteriores

Questão 3/10 - Inteligência Artificial Aplicada
Você necessita executar o treinamento de um modelo de aprendizagem, porém a quantidade de dados disponíveis é muito pequena e não há como obter novos dados.
Valendo-se dos seus conhecimento de aprendizagem de máquina, para conseguir executar o treinamento do modelo você deverá:

A utilizar uma estratégia de validação cruzada
B utilizar os dados na proporção 80-20
C utilizar os dados na proporção 50-50
D treinar e testar com os mesmos dados
E utilizar todos os dados para treino e não testar

Questão 4/10 - Inteligência Artificial Aplicada
Um modelo de árvore de decisão estava apresentando resultados muito ruins, errando grande parte das predições. O modelo foi definido usando o seguinte código:
from sklearn import tree
clf = tree.DecisionTreeClassifier(criterion = "gini", splitter = "best", max_depth = 5)
Analisando melhor os nós e folhas gerados no processo, que o modelo não estava realizando divisões suficientes que permitissem separar bem as categorias.
Para obter melhores resultados com esse modelo você sugere que a definição dele seja feita da alterando o parâmetro:

A max_depth para 10
B max_depth para 1
C max_depth para 4
D splitter para maximum
E splitter para None

Considerando o texto acima e valendo-se do seu conhecimento sobre aprendizagem de máquina, pode-se afirmar que dentre essas vantagens está:

A a capacidade de lidar com dados em altas dimensões
B o fato de fornecer resultados melhores
C facilidade de interpretação dos resultados
D a base de treino menor
E a base de teste menor

Quais seriam alguns requisitos e capacidades que a máquina que aprovada por este texte deveria possuir:

A Uma entidade interage com um entrevistador, então será necessário que a entidade se manifeste de maneira palpável e suas perguntas devem distinguir se estas respostas foram produzidas por um humano que passaria no teste.
B Um entrevistador interage com uma entidade, um computador. Assim este computador deve possuir visão tridimensional ajustada para conseguir distinguir se estas respostas foram produzidas por um humano ou por um computador, o computador passaria no teste.
C Um computador interage com um entrevistador, desta forma, este computador deve ser capaz de processamento e comunicação em linguagem binária, outra característica importante é capacidade de raciocínio líquido, utilizando o conhecimento armazenado, permitindo novas conclusões, durante a comunicação.
D Um entrevistador interage com uma máquina, está máquina deve, então, demonstrar capacidade robótica para manipular objetos físicos e mover-se; mesmo que o entrevistador não a visualize, visão computacional para perceber objetos é também uma outra característica importante de um computador que passaria no teste.
E