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.
A alternativa correta é a letra A) As sentenças I e II estão corretas. Justificativa: - A sentença I está correta, pois o modelo de Regressão Linear Simples pode ser utilizado para prever um conjunto de variáveis alvo utilizando o método de Mínimos Quadrados (LLS). - A sentença II também está correta, pois os coeficientes de regressão podem ser resolvidos por meio do Método de Mínimos Quadrados (LLS). - A sentença III está incorreta, pois na construção de um modelo de Regressão não é necessário dividir os dados entre conjuntos de treinamento e teste, como ocorre na Classificação.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar