Grátis: 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 vari... – Questões Respondidas

Bases de Dados

Outros

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 descrição a seguir se refere a qual tipo de modelo de machine learning?
Regressão Logística.
Regressão Linear.
Regressão Logística.
Árvores de Decisão.
Máquinas de Vetores de Suporte (SVM).
Redes Neurais Artificiais.

Testando o Conhecimento

há 12 horas

Testando o Conhecimento

há 12 horas

QUESTIONÁRIO UNIDADE I CIÊNCIA DE DADOS

UNIP

Respostas

Ed

há 12 horas

A descrição apresentada refere-se ao modelo de Regressão Logística. Explicação passo a passo: - O problema é de classificação binária (duas classes). - A variável de saída é categórica com duas classes. - O modelo estima a probabilidade de um evento ocorrer. - Utiliza a função logística para mapear a entrada. Portanto, a resposta correta é: Regressão Logística.

Essa resposta te ajudou?

0

0

Ainda não achou a resposta?

Integrado com os principais modelos de IA do mercado
Respostas em segundos
IA treinada para estudantes brasileiros.

Evolua sua forma de estudar

Cadastre-se ou realize login

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

QUESTIONÁRIO UNIDADE I CIÊNCIA DE DADOS

UNIP

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.
Avaliação.
Coleta de dados.
Limpeza de dados.
Modelagem.
Avaliação.
Comunicação dos resultados.

Após o uso constante de um modelo para treinamento de máquina, o analista responsável começa a observar que mesmo ampliando a complexidade dos problemas, a máquina apresenta um desempenho insatisfatório em relação aos dados de treinamento. Ele acredita que isso se deve ao fato de que o modelo que está sendo testado é muito simples e, por isso, apresenta dificuldade de capturar padrões.
Como podemos classificar esse tipo de fenômeno?
Underfitting.
Upperfitting.
Overfitting.
Hiperfitting.
Downfitting.

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 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.

O que é necessário para avaliar o desempenho de um modelo de aprendizado de máquina?
Dados de validação ou teste e métricas como acurácia, precisão, recall e F1-score.
Dados de validação ou teste e a definição adequada das características e atributos relevantes.
A escolha do modelo correto e a otimização dos parâmetros do modelo para minimizar o erro.
A interpretação correta dos resultados e a seleção de recursos relevantes.
A qualidade dos dados e a escolha de uma função de perda apropriada.

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". Podemos citar como etapas dessa preparação a Coleta de Dados, a Limpeza de Dados, o Pré-processamento, a Redução de Dimensionalidade, o Tratamento de Outliers, a Codificação de Categorias e a Amostragem, entre outras.
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.
Um campo de estudo que se concentra na interpretação 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.
Variedade, Granularidade e Agrupável.