No aprendizado supervisionado em aprendizado de máquina, a seleção adequada das características ou variáveis que serão utilizadas como entrada (X) para o modelo desempenhar um papel fundamental no processo de treinamento e na capacidade de generalização do modelo. As características representam os atributos que descrevem cada exemplo ou objeto do conjunto de dados. Elas podem incluir informações como idade, sexo, localização geográfica, características físicas, entre outras. Considerando o que está apontado acima, bem como a importância das características utilizadas como entrada, assinale a alternativa correta.



A escolha das características pouco influencia a performance do modelo, uma vez que o aprendizado supervisionado é capaz de aprender com qualquer conjunto de características.


O modelo deve ser treinado utilizando um conjunto de características aleatórias para garantir uma abordagem imparcial e equilibrada na tarefa de classificação.


O algoritmo de aprendizado supervisionado é capaz de identificar automaticamente as características mais relevantes para a tarefa de classificação, dispensando a sua escolha.


A inclusão das características mais significativas e relevantes para a tarefa de classificação, descartando as que possam introduzir ruído ou redundância, é recomendada.


As características disponíveis no conjunto de dados devem ser todas incluídas como entrada para o modelo, garantindo assim a máxima quantidade de informações disponíveis.