Exercício de fixação - Estilos de aprendizado_ 14 - Machine Learning (2025)3

Prévia do material em texto

Exercício de fixação - Estilos de aprendizado
Entrega Sem prazo
Pontos 6
Perguntas 3
Limite de tempo Nenhum
Tentativas permitidas Sem limite
Instruções
Histórico de tentativas
Tentativa Tempo Pontuação
MANTIDO Tentativa 2 1 minuto 6 de 6
MAIS RECENTE Tentativa 2 1 minuto 6 de 6
Tentativa 1 Menos de 1 minuto 4 de 6
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 6 de 6
Enviado 8 nov em 21:28
Esta tentativa levou 1 minuto.
Pergunta 1
2 / 2 pts
 
O rendimento de disciplinas regulares é um atributo qualitativo nominal, enquanto o rendimento dos trabalhos
orientados é um atributo qualitativo binominal simétrico.
 
O rendimento de disciplinas regulares é um atributo qualitativo nominal, enquanto o rendimento dos trabalhos
orientados é um atributo qualitativo binominal assimétrico.
 
O rendimento de disciplinas regulares é um atributo qualitativo ordinal, enquanto o rendimento dos trabalhos
orientados é um atributo qualitativo binominal assimétrico.
 
O rendimento de disciplinas regulares é um atributo qualitativo ordinal, enquanto o rendimento dos trabalhos
orientados é um atributo qualitativo binominal simétrico.
A alternativa está correta.
O rendimento de disciplinas regulares é um atributo qualitativo ordinal, uma vez que representam
dados categóricos que possuem uma relação de ordem entre eles (A > B > C > D > E), enquanto o
rendimento dos trabalhos orientados é um atributo qualitativo binominal simétrico, uma vez que
aquele que não foi aprovado foi automaticamente reprovado.
Essa atividade deve ser feita apenas após o aluno ter estudado toda a Unidade 01 e ter feito todas
as atividades de fixação.
Um sistema educacional possui duas formas de registrar o rendimento acadêmico. Em disciplinas
regulares o rendimento é representado como conceito: A, B, C, D e E. Em disciplinas de trabalho
orientado o rendimento é representado apenas como APROVADO/REPROVADO.
Sobre tipos de dados, podemos afirmar que
https://pucminas.instructure.com/courses/175926/quizzes/449128/history?version=2
https://pucminas.instructure.com/courses/175926/quizzes/449128/history?version=2
https://pucminas.instructure.com/courses/175926/quizzes/449128/history?version=1
Pergunta 2
2 / 2 pts
 As ações 1, 2 ou 3, apenas.
 As ações 2 ou 3, apenas.
A alternativa está correta.
 As ações 1 ou 2, apenas.
 As ações 1 ou 3, apenas.
Você não pode remover todos os atributos pois, após a remoção dos atributos, você perderá toda a
informação sobre esses elementos. Você pode remover apenas um dos atributos, pois ele seria
explicado pelo seu atributo colinear ou você pode buscar identificar modelos que se mantém
estáveis com atributos colineares ou que penalizam esses atributos. Um exemplo desse tipo de
modelo é a regressão LASSO.
Pergunta 3
2 / 2 pts
 de saída.
 oculto
 de entrada.
Atributo de entrada é necessário em ambos os estios de aprendizado.
 categórico.
Pontuação do teste: 6 de 6
Suponha que você identificou diversos atributos multi-colineares (que podem ser escritos em
função de outros atributos). Você tem as seguintes alternativas para preparação de dados.
1. Remover ambos os atributos colineares.
2. Remover apenas um dos atributos colineares.
3. Utilizar modelos que penalizem dados colineares, se possível.
As ações que você executaria seriam:
Tanto aprendizado supervisionado quanto análise de agrupamento não supervisionado precisam de
pelo menos um atributo