Associe cada etapa da construção de um modelo de regressão linear múltipla com sua descrição correta, considerando a importância de cada uma para garantir sua precisão e robustez: 1. Coleta de Dados. 2. Análise Exploratória de Dados. 3. Divisão dos Dados. 4. Ajuste do Modelo. 5. Validação do Modelo. A) Utilizar técnicas de regressão para ajustar o modelo aos dados de treinamento, minimizando a soma dos erros quadráticos e calculando os coeficientes de regressão. B) Recolher informações detalhadas e abrangentes sobre os imóveis, incluindo valores de venda e características relevantes, de fontes confiáveis, como registros públicos e bases de dados imobiliárias. C) Separar os dados em conjuntos de treinamento e teste, garantindo que a divisão seja representativa e balanceada para validar a eficácia do modelo D) Identificar padrões, tendências e outliers nos dados, utilizando visualizações como gráficos de dispersão e histogramas, e aplicar técnicas de limpeza de dados para eliminar inconsistências. E) Testar o modelo com o conjunto de dados de teste para verificar sua precisão e adequação, utilizando métricas como o erro quadrático médio (MSE) e o coeficiente de determinação (R²), e realizar análise de resíduos para garantir a robustez do modelo. Assinale a alternativa que apresenta a associação correta entre as duas listas.