Ao construirmos um modelo de Regressão simples, buscamos encontrar a reta que melhor descreve os dados, minimizando o erro de predição. Vimos que, ...

Ao construirmos um modelo de Regressão simples, buscamos encontrar a reta que melhor descreve os dados, minimizando o erro de predição. Vimos que, para o caso mais simples, a regressão consiste na equação da reta, e que o algoritmo busca ajustar dois coeficientes durante a fase de construção do modelo. Considerando a abordagem de Regressão Linear simples, analise as sentenças a seguir:

I- O Um modelo de Regressão Linear simples pode ser aplicado para predizer um conjunto de variáveis alvo utilizando o método de Mínimos de Mínimos Quadrados (LLS).

II- Os coeficientes de regressão podem ser resolvidos por meio do Método de Mínimos Quadrados (LLS).

III- Assim como ocorre na Classificação, para a construção de um modelo de Regressão é importante dividir nossos dados entre conjuntos de treinamento e teste.

Assinale a alternativa CORRETA:

A ) As sentenças I e II estão corretas.

B ) As sentenças II e III estão corretas.

C ) Somente a sentença III está correta.

D ) Somente a sentença II está correta.