As redes neurais artificiais são um tipo específico de aprendizado de máquina usado para melhorar o desempenho de um programa por meio da experiência. Muitas outras formas de aprendizado de máquina podem ser agrupadas nessa categoria, mas cada uma tem uma identidade única. Atualmente, a forma mais popular de aprendizado de máquina são as redes neurais artificiais. Muitas técnicas de aprendizado de máquina exigem conhecimento prévio dos dados que estão analisando. Isso inclui métodos de detecção de anomalias neurais e estatísticas, que funcionam com dados contínuos. Outras técnicas, como regras de classificação e árvores de decisão, operam com dados ordenados sem um conhecimento pré-construído da distribuição. Com base em alguns métodos de aprendizagem de máquina, analise as afirmativas a seguir e marque V para as verdadeiras e F para as falsas. I. ( ) Algoritmos de classificação (tipo 2): assim como as árvores de decisão e as regras de classificação, costumam ser usados ​​como métodos supervisionados. II. ( ) Algoritmos de agrupamento (tipo 1): alguns tipos de algoritmos de ajuntamento em aprendizagem de máquina são o k-médias e o k-medoids. III. ( ) Regras de associação (tipo 1): são geradas regras que correspondem a algum método de suporte mínimo (minsup), ou seja, regras que surgem com menos regularidade na biblioteca. Assinale a alternativa que apresenta a sequência correta. a. V - V - V. b. F - F - V. c. V - F - F. d. F - F - F. e. V - F - V.
Responda
Os modelos preditivos podem ser contínuos ou discretos. Modelos contínuos, como estimativa, são melhores na generalização do que modelos discretos, como classificação. As previsões geralmente são expressas como classificações ou estimativas que categorizam novos dados em valores específicos. As árvores de decisão e as redes neurais artificiais são modelos preditivos populares. Com base nas duas etapas iniciais para o desenvolvimento de um modelo preditivo, assinale a alternativa que melhor descreve as duas etapas. a. Treinamento: gerado por um preditor, em que se consegue discriminar um determinado conjunto de classes; e Teste: etapa aplicada a testes para entender o desempenho do preditor. b. Treinamento: etapa em que é gerado um preditor, que consegue discriminar um determinado conjunto de classes; e Generalização: etapa responsável por analisar as classes e generalizar testes para saber possíveis informações. c. Programação e teste: etapa em que são aplicados testes para entender o desempenho do preditor. d. Treinamento: fase em que um preditor é desenvolvido para discriminar entre um conjunto específico de classes.; e Generalização: etapa responsável por analisar as classes e generalizar testes para saber possíveis informações. e. Programação: etapa responsável por desenvolver estruturas para que possam ser realizados testes; e Teste: etapa em que são aplicados testes para entender o desempenho do preditor.
Responda

Helpful Social

Copyright © 2024 ELIBRARY.TIPS - All rights reserved.