Logo Passei Direto
Buscar

Modelagem de Dados

Outros
O algoritmo K-Nearest Neighbors (k-NN) é um algoritmo de classificação cuja finalidade é rotular uma amostra de acordo com amostras de aproximação, a partir de um conjunto de dados utilizado para treinamento. O algoritmo k-NN é um algoritmo de aprendizagem de máquina que pertence à categoria de aprendizagem supervisionada.
User badge image
Aprendendo com Desafios

há 5 meses

User badge image
Aprendendo com Desafios

há 5 meses

Avaliação do Módulo 3 - Modelagem de Aprendizado Supervisionado e Não Supervisionado_ Revisão da tentativa
4 pág.

Avaliação do Módulo 3 - Modelagem de Aprendizado Supervisionado e Não Supervisionado_ Revisão da tentativa

Respostas

User badge image

Ed Verified user icon

há 5 meses

O algoritmo K-Nearest Neighbors (k-NN) funciona da seguinte maneira: 1. Definição de k: Escolhe-se um valor para k, que representa o número de vizinhos mais próximos a serem considerados na classificação. 2. Cálculo de Distâncias: Para classificar uma nova amostra, o algoritmo calcula a distância entre essa amostra e todas as amostras do conjunto de treinamento. As distâncias podem ser calculadas usando métricas como Euclidiana, Manhattan, entre outras. 3. Identificação dos Vizinhos: O algoritmo seleciona os k vizinhos mais próximos da amostra a ser classificada. 4. Votação: A classe da nova amostra é determinada pela votação das classes dos k vizinhos. A classe mais frequente entre os vizinhos é atribuída à nova amostra. 5. Classificação: A amostra é rotulada de acordo com a classe que recebeu mais votos. O k-NN é simples e eficaz, mas pode ser sensível à escolha de k e à escala dos dados. Além disso, pode ser computacionalmente intensivo em conjuntos de dados grandes.

Essa resposta te ajudou?

0
Dislike0
left-side-bubbles-backgroundright-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

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Avaliação do Módulo 3 - Modelagem de Aprendizado Supervisionado e Não Supervisionado_ Revisão da tentativa
4 pág.

Avaliação do Módulo 3 - Modelagem de Aprendizado Supervisionado e Não Supervisionado_ Revisão da tentativa

Mais perguntas desse material

A aprendizagem supervisionada é usada apenas para classificação binária: classificar valores como 0 ou 1, como fraude ou não-fraude ou classificar uma fruta como banana ou maçã.
Verdadeiro
Falso

O que é a validação cruzada? a. Uma técnica para avaliar o desempenho de um modelo utilizando dados de treinamento. b. Uma técnica para avaliar o desempenho de um modelo utilizando dados não rotulados. c. Uma técnica para avaliar o desempenho de um modelo utilizando dados rotulados. d. Uma técnica para avaliar o desempenho de um modelo utilizando diferentes divisões dos dados. e. Uma técnica para avaliar o desempenho de um modelo utilizando a mesma divisão dos dados.

Assinale a alternativa INCORRETA: Qual é a finalidade da separação dos dados em treino, teste e validação em ciência de dados e aprendizado de máquina? a. Auxiliar na seleção do melhor modelo antes de testá-lo no conjunto de teste. b. Treinar o modelo para aprender padrões e relações nos dados. c. Agrupar automaticamente instâncias de dados sem ter informações prévias sobre as categorias. d. Avaliar o desempenho do modelo após o treinamento. e. Ajustar hiperparâmetros e evitar o overfitting.

Qual é a finalidade do algoritmo K-Nearest Neighbors (k-NN)?
a. Identificar anomalias em um conjunto de dados.
b. Classificar uma amostra em uma categoria não definida.
c. Realizar uma análise de sentimentos em um conjunto de dados.
d. Rotular uma amostra de acordo com amostras de aproximação, a partir de um conjunto de dados utilizado para treinamento.
e. Agrupar amostras em categorias semelhantes.

Quais são os dois tipos principais de aprendizagem de máquina?
a. Supervisionada e semi-supervisionada.
b. Não supervisionada e por reforço.
c. Semi-supervisionada e não supervisionada.
d. Não supervisionada e semi-supervisionada.
e. Supervisionada e não supervisionada.

Regressão Linear é um método estatístico usado para modelar a relação entre uma variável dependente e uma ou mais variáveis independentes, assumindo uma relação linear entre elas. O objetivo é encontrar a melhor linha (ou hiperplano, em casos de múltiplas dimensões) que minimize a soma dos quadrados das diferenças entre os valores observados e os valores previstos pelo modelo.
Verdadeiro
Falso

O código a seguir é utilizado para exibir a árvore de decisão:

```
fig. ax = plt.subplots(figsize=(10,8))
tree.plot_tree(clf)
plt.show()
```
Verdadeiro
Falso

O k-NN pode ser usado tanto para problemas de classificação como para previsão de regressão.
Verdadeiro
Falso

Mais conteúdos dessa disciplina