A previsão de dados se tornou uma área essencial dentro do campo da ciência de dados, e diversas abordagens e algoritmos têm sido desenvolvidos para prever o comportamento de diferentes variáveis. Em um cenário em que temos um conjunto de dados históricos, um analista de dados deve escolher o melhor modelo preditivo para fazer uma previsão precisa, levando em consideração os padrões passados e ajustando as variáveis adequadas para reduzir o erro de previsão. Para isso, é necessário entender o contexto dos dados, escolher o algoritmo mais adequado e aplicar o modelo de forma eficaz. Com base no contexto apresentado sobre predição de dados e a aplicação de algoritmos, observe as afirmativas a seguir: I.O algoritmo de Regressão Linear é ideal para prever a relação entre variáveis contínuas, sendo extremamente útil e altamente eficiente para prever comportamentos como o crescimento de vendas baseado em anos passados. II. O algoritmo de Árvores de Decisão pode ser utilizado para prever resultados baseados em uma série de condições binárias, sendo eficaz para classificações, como prever se um cliente vai comprar ou não com base em seus dados históricos. III. A aplicação de Redes Neurais para prever comportamentos em grandes volumes de dados é uma abordagem mais indicada em comparação com a Regressão Linear, especialmente quando as variáveis envolvem padrões não lineares complexos. Está correto o que se afirma em: Questão 4Resposta A. I, apenas. B. II e III, apenas. C. I e II, apenas. D. I e III, apenas. E. I, II e III.