Grátis: O scikit-learn é uma biblioteca de Python que possui várias implementações de algoritmos de aprendizado de máquina, tais como de regressão, classif...

Inteligência Artificial

Outros

O scikit-learn é uma biblioteca de Python que possui várias implementações de algoritmos de aprendizado de máquina, tais como de regressão, classificação e agrupamento. Foi projetado para facilitar o uso do aprendizado de máquina através de uma linguagem simplificada. Assumindo que os dados de um dataset qualquer já foram carregados nas variáveis de treino e teste: X_train, X_test, y_train, y_test. Sobre a implementação do Naive Bayes com o scikit-learn, para que o comando seja executado com êxito, ordene os itens a seguir:
I- print('A acurácia do Naive Bayes na base de treino é: {:.2f} '.format(classificador_NB.score(X_train_normalizado, y_train)))
II- classificador_NB = MultinomialNB()
III- classificador_NB.fit(X_train_normalizado, y_train)
IV- from sklearn.naive_bayes import MultinomialNB

Assinale a alternativa que apresenta a sequência CORRETA:

A IV - III - II - I.
B I - II - III - IV.
C I - III - IV - II.
D IV - II - III - I.

Questões Para a Compreensão

há 2 anos

Questões Para a Compreensão

há 2 anos

5 pág.

Avaliação II - Individual

UNIASSELVI

Respostas

ano passado

Vamos analisar a sequência correta para a implementação do Naive Bayes com o scikit-learn: IV - from sklearn.naive_bayes import MultinomialNB: Este comando importa a classe MultinomialNB, que é necessária para criar o classificador. II - classificador_NB = MultinomialNB(): Aqui, estamos instanciando o classificador Naive Bayes. III - classificador_NB.fit(X_train_normalizado, y_train): Neste passo, o classificador é treinado com os dados de treino. I - print('A acurácia do Naive Bayes na base de treino é: {:.2f} '.format(classificador_NB.score(X_train_normalizado, y_train))): Finalmente, este comando imprime a acurácia do modelo treinado. Portanto, a sequência correta é: D IV - II - III - I.

Essa resposta te ajudou?

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

há 2 anos

A sequência correta para a implementação do Naive Bayes com o scikit-learn é: B) I - II - III - IV. Explicação: - O primeiro passo é importar a classe MultinomialNB do módulo naive_bayes do scikit-learn, que é feito no item IV. - Em seguida, é necessário criar uma instância do classificador Naive Bayes, que é feito no item II. - Depois, é preciso treinar o classificador com os dados de treino, que é feito no item III. - Por fim, é possível avaliar o desempenho do classificador na base de treino, que é feito no item I. Portanto, a sequência correta é I - II - III - IV, que corresponde à alternativa B.

Essa resposta te ajudou?

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

5 pág.

Avaliação II - Individual

UNIASSELVI

Mais perguntas desse material

Os métodos de classificação baseados em distância consideram proximidade entre dados em relação ao espaço cartesiano. Esse tipo de método considera que dados similares tendem a estar em uma mesma região no espaço de entrada. Sobre os elementos que compõem a classificação, baseados em distância, associe os itens, utilizando o código a seguir:
I- Similaridade.
II- Dissimilaridade.
III- Minkowski.
IV- Euclidiana.

( ) Um tipo de proximidade na qual quanto maior o valor observado, mais parecidos são os objetos. Por exemplo, o coeficiente de correlação.
( ) Um tipo de proximidade na qual quanto maior o valor observado, menos parecidos (mais dissimilares) serão os objetos.
( ) É uma das medidas de dissimilaridade entre comunidades mais utilizadas na prática. Quanto menor o valor da distância euclidiana entre dois objetos, mais próximas elas se apresentam em termos de parâmetros quantitativos por classe; logo, quanto menor a distância euclidiana, maior a eficiência do procedimento.
( ) É uma generalização da distância euclidiana, em que r é um parâmetro, n é o número de dimensões (atributos) e pk e qk são, respectivamente, os k-ésimos atributos (componentes) dos objetos de dados p e q.

Assinale a alternativa que apresenta a sequência CORRETA:

A IV - III - I - II.
B I - II - IV - III.
C I - II - III - IV.
D IV - III - II - I.

A ideia básica do algoritmo dos K-vizinhos mais próximos é determinar a categoria de um determinado objeto com base em similaridades entre os documentos no espaço. Para calcular a similaridade, usa-se uma métrica de distância. Na imagem anexa, o ponto vermelho representa um novo objeto que não se sabe a classe. Com base na imagem e na execução do KNN, classifique V para as sentenças verdadeiras e F para as falsas:
( ) Considerando que K = 3, o ponto será na Classe B.
( ) Considerando que K = 5, o ponto será na Classe B.
( ) Considerando que K = 6, o ponto será na Classe A.
( ) Considerando que K = 7, o ponto será na Classe A.

A F - V - V - F.
B F - V - F - V.
C V - F - F - V.
D V - F - V - V.

Em sua definição, um problema de classificação, supervisionado, é um programa de computador que recebe amostras (entradas) e respostas esperadas (saídas) para elas, e gera uma hipótese genérica capaz de mapear as entradas para as saídas corretas. Sobre o modo de aprendizado dos algoritmos de classificação, assinale a alternativa CORRETA:

A Supervisionado.
B Por esforço.
C Semi-supervisionado.
D Não supervisionado.

A classificação é uma tarefa de machine learning que tem por objetivo classificar itens de dados em uma entre diversas classes previamente definidas, com base em propriedades comuns, entre um conjunto de objetos no banco de dados. Sobre a saída de um classificador binário analise os exemplos que se encaixam nesse tipo assinalando-os com V ou F.
( ) Reconhecer como "positivo" ou "negativo".
( ) Diagnosticar se um paciente tem determinada doença.
( ) Classificar um texto em 20 tipos de categorias.
( ) Determinar se uma foto contém um item específico ou não.

A F - V - V - F.
B F - F - V - V.
C V - F - V - F.
D V - V - F - V.

O Scikit-Learn é uma biblioteca para Python que oferece uma grande variedade de métodos de aprendizado de máquina, tanto nas áreas de aprendizado supervisionado quanto em aprendizado não supervisionado. Sobre o Scikit-Learn e sua implementação, analise as afirmacoes a seguir:
( ) Ao utilizar from sklearn. import estará sendo importado do scikit-learn o método e seus recursos poderão ser utilizados.
( ) x = LinearRegression() é uma instância de uma rede neural.
( ) O comando train é utilizado para ajustar os dados e fazer com que o método aprenda.
( ) O comando predict permite utilizar o método para predição.

A F - V - V - F.
B V - F - F - V.
C V - F - F - F.
D F - V - F - V.

1995, que é fundamentada na Teoria de Aprendizado Estatístico e utilizada para a classificação de dados. Assumindo que os dados de um dataset qualquer já foram carregados nas variáveis de treino e teste: X_train, X_test, y_train, y_test, sobre a implementação do SVM com o scikit-learn e para que o método seja executado com êxito, ordene os itens a seguir:
I- print('A acurácia do SVM na base de treino é: {:.2f} '.format(classificador_SVM.score(X_train_normalizado, y_train)))
II- classificador_SVM.fit(X_train_normalizado, y_train)
III- classificador_SVM = svm.SVC()
IV- from sklearn import svm
A IV - II - I - III.
B I - II - III - IV.
C IV - III - II - I.
D IV - II - III - I.

O classificador Naïve Bayes é construído utilizando dados de treinamento para estimar a probabilidade de um documento pertencer a uma classe. O teorema de Bayes, mostrado em anexo, é utilizado para estimar estas probabilidades. Sobre a fórmula, classifique V para as sentenças verdadeiras e F para as falsas:
( ) P (x) é a probabilidade original do preditor.
( ) P (c l x) é a probabilidade posterior da classe (c, alvo) dado preditor (x, atributos).
( ) x é o conjunto de dados.
( ) P(C) é a probabilidade original da classe.
A F - F - F - F.
B F - V - V - V.
C V - F - F - F.
D V - V - V - V

Inteligência Artificial

Avaliação II - Individual

Respostas

Ainda não achou a resposta?

Ainda com dúvidas?

Essa pergunta também está no material:

Avaliação II - Individual

Mais conteúdos dessa disciplina