Vamos analisar cada uma das afirmativas sobre o processo de avaliação de modelos preditivos: ( ) A divisão da base de dados histórica deve ser feita em três subconjuntos disjuntos: treinamento, validação e teste. É verdadeira (V). Essa é uma prática comum para garantir que o modelo seja treinado, ajustado e testado de forma adequada, evitando overfitting. ( ) O treinamento deve ser realizado sobre os dados de teste e avaliados nos dados de validação. É falsa (F). O treinamento deve ser realizado sobre os dados de treinamento, e a avaliação deve ser feita nos dados de validação. Os dados de teste são utilizados apenas para a avaliação final do modelo. ( ) Os dados históricos são divididos para que as estimativas sejam menos otimistas sobre o desempenho do preditor. É verdadeira (V). A divisão dos dados ajuda a evitar que o modelo seja excessivamente otimista em suas previsões, pois permite uma avaliação mais realista do desempenho. ( ) A estimação é realizada pelo algoritmo de aprendizagem sobre os dados de teste. É falsa (F). A estimação deve ser realizada sobre os dados de treinamento, e os dados de teste são usados apenas para avaliar o desempenho do modelo após o treinamento. Agora, organizando as respostas: 1. V 2. F 3. V 4. F Portanto, a sequência correta é: D) V – F – V – F.