Logo Passei Direto
Buscar
A descrição a seguir se refere a qual tipo de modelo de machine learning?
“É um modelo usado para problemas de classificação binária, em que a variável de saída é categórica com duas classes. Ele estima a probabilidade de um evento ocorrer, mapeando a entrada para uma função logística.”
a. Regressão Logística.
b. Regressão Linear.
c. Árvores de Decisão.
d. Máquinas de Vetores de Suporte (SVM).
e. Redes Neurais Artificiais.
User badge image
Exercícios Para o Conhecimento

há 23 horas

Respostas

User badge image

Ed Verified user icon

há 23 horas

A descrição apresentada refere-se a um modelo que é utilizado especificamente para problemas de classificação binária, onde a variável de saída é categórica com duas classes. Além disso, menciona que o modelo estima a probabilidade de um evento ocorrer, utilizando uma função logística. Vamos analisar as alternativas: a. Regressão Logística - Este modelo é exatamente o que foi descrito, pois é utilizado para classificação binária e utiliza a função logística para estimar probabilidades. b. Regressão Linear - Este modelo é utilizado para prever valores contínuos, não para classificação binária. c. Árvores de Decisão - Embora possam ser usadas para classificação, a descrição não menciona a estrutura de árvore, e sim a função logística. d. Máquinas de Vetores de Suporte (SVM) - Este modelo é usado para classificação, mas não se refere especificamente à função logística. e. Redes Neurais Artificiais - Embora possam ser usadas para classificação, a descrição não menciona redes neurais. Portanto, a alternativa correta é: a) Regressão Logística.

Essa resposta te ajudou?

0
Dislike0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Mais perguntas desse material

Imagine uma empresa de varejo que vende produtos eletrônicos. Ela coleta dados de vendas ao longo do tempo, incluindo informações como datas de venda, tipos de produtos vendidos, preços, promoções, dados climáticos e feriados. O objetivo de um cientista de dados é utilizar técnicas para prever a demanda futura dos produtos. Isso ajudará a empresa a otimizar os níveis de estoque, planejar promoções e melhorar a eficiência operacional.
Dado o conhecimento das etapas da ciência de dados, indique qual é a etapa em que são desenvolvidos modelos de mineração de dados.
Modelagem.
Coleta de dados.
Limpeza de dados.
Modelagem.
Avaliação.
Comunicação dos resultados.

Uma empresa de desenvolvimento de softwares, que inclui entre seus produtos um sistema de envio e recebimento de e-mails, optou por criar uma nova versão do sistema com melhorias nos filtros de detecção de spam. Para esse propósito, a equipe de engenharia de software recebeu a tarefa de treinar o software.
Considerando esse exemplo, analise as opções abaixo e indique aquela que explica o objetivo do treinamento de um modelo de aprendizado de máquina.
Ajustar os parâmetros do modelo para minimizar a função de perda.
Ajustar os parâmetros do modelo para maximizar a função de perda.
Ajustar os parâmetros do modelo para minimizar a função de perda.
Ajustar os parâmetros do modelo para maximizar a função de recompensa.
Ajustar os parâmetros do modelo para minimizar a função de recompensa.
Ajustar os parâmetros do modelo para maximizar a precisão do modelo.

Qual é a suposição feita pelos algoritmos de Naive Bayes?
As variáveis são independentes umas das outras ao fazer suas previsões.
As variáveis são independentes umas das outras ao fazer suas previsões.
As variáveis são dependentes umas das outras ao fazer suas previsões.
O relacionamento entre as variáveis é sempre linear.
O relacionamento entre as variáveis é sempre não linear.
O modelo deve ser treinado com dados rotulados.

Segundo Géron, A. (2017), "A preparação de dados para análise envolve várias etapas importantes para garantir que os dados estejam limpos, consistentes e prontos para serem usados em análises ou modelagens".
Com base nas colocações de Géron, indique qual das alternativas abaixo define corretamente o pré-processamento de dados:
Um processo de limpeza, transformação e redução de dados brutos para torná-los adequados para análise.
Um conjunto de técnicas para a análise de dados.
Um método para a visualização de dados complexos.
Um processo de limpeza, transformação e redução de dados brutos para torná-los adequados para análise.
Um conjunto de ferramentas para a coleta de dados.

Segundo Laney (2001), Big Data são conjuntos de dados extremamente grandes e complexos que exigem tecnologias e métodos específicos para armazenamento, processamento e análise devido ao seu tamanho e complexidade.
Das alternativas abaixo, qual corresponde às características de um Big Data, segundo Laney?
Volume, Velocidade e Variedade.
Intangibilidade, Granularidade e Estruturação.
Gerar valor, Privacidade, Agrupável.
Estruturação, Privacidade, Volume.
Volume, Velocidade e Variedade.

Mais conteúdos dessa disciplina