A eficácia de qualquer modelo de aprendizado de máquina depende em grande parte da qualidade dos dados utilizados para o treinamento. Dados impreci...

A alternativa correta é a letra c) Apenas as afirmativas I, II e IV estão corretas. Explicação: I. Redução de dimensionalidade: é uma técnica que visa reduzir a quantidade de variáveis em um conjunto de dados, mantendo as informações mais relevantes. Isso ajuda a evitar o overfitting e a melhorar a eficiência do modelo. II. Tratamento de valores ausentes: é importante tratar os valores ausentes para evitar que eles prejudiquem o modelo. Existem diversas técnicas para isso, como a imputação de valores ou a exclusão de linhas ou colunas com valores ausentes. III. Normalização de dados: é uma técnica que visa colocar todas as variáveis em uma mesma escala, para evitar que uma variável com valores muito grandes ou muito pequenos tenha um peso maior ou menor do que deveria no modelo. IV. Identificação de outliers: outliers são valores extremos que podem prejudicar o modelo. Identificá-los e tratá-los adequadamente é importante para evitar que eles afetem a eficiência do modelo. Portanto, as afirmativas I, II e IV estão corretas.