Ed
há 2 meses
Vamos analisar cada uma das afirmações: I. Dados nulos podem ser substituídos por valores calculados, como a média ou a mediana, para evitar a perda de informações durante a análise. Verdadeiro, essa é uma prática comum na imputação de dados nulos. II. A presença de dados nulos em um dataset pode causar erros em algoritmos de aprendizado de máquina que não lidam nativamente com valores ausentes. Verdadeiro, muitos algoritmos não conseguem processar dados nulos e isso pode levar a erros. III. Métodos de imputação são usados exclusivamente para remover todos os dados nulos de um conjunto de dados. Falso, métodos de imputação são usados para substituir dados nulos, não apenas para removê-los. IV. A remoção de linhas ou colunas com dados nulos é sempre a melhor abordagem para lidar com valores ausentes. Falso, essa abordagem não é sempre a melhor, pois pode resultar em perda significativa de informações. V. A análise da distribuição dos dados deve ser considerada ao decidir como tratar os valores nulos. Verdadeiro, essa análise é importante para escolher a melhor estratégia de imputação. Com base nas análises, as afirmações verdadeiras são I, II e V. Portanto, a alternativa que contém apenas as afirmações verdadeiras é: não há uma alternativa correta listada.
Mais perguntas desse material