Fundamentos do Aprendizado Supervisionado

O que caracteriza o aprendizado supervisionado em relação a outros tipos de aprendizado de máquina?

• Utiliza apenas dados não rotulados para treinar o modelo.

• Utiliza dados rotulados, onde cada entrada possui uma saída conhecida.

• Não utiliza dados para treinar, apenas regras explícitas.

• Utiliza reforço para aprender com recompensas e punições.

Qual das alternativas abaixo é um exemplo clássico de problema de classificação em aprendizado supervisionado?

• Previsão do valor de uma ação na bolsa.

• Identificação de e-mails como spam ou não spam.

• Agrupamento de clientes com base em comportamento de compra.

• Redução de dimensionalidade de dados.

Em aprendizado supervisionado, qual é o objetivo principal durante o treinamento do modelo?

• Minimizar a variância dos dados.

• Maximizar a distância entre os dados.

• Minimizar a função de erro ou custo.

• Maximizar o número de clusters.

Qual das opções abaixo NÃO é um algoritmo de aprendizado supervisionado?

• Regressão Linear

• K-Means

• Árvore de Decisão

• Regressão Logística

O que significa "overfitting" em aprendizado supervisionado?

• O modelo não consegue aprender os padrões dos dados.

• O modelo aprende tão bem os dados de treinamento que perde a capacidade de generalizar para novos dados.

• O modelo é incapaz de ajustar-se aos dados de treinamento.

• O modelo ignora completamente os dados de treinamento.

Qual das alternativas abaixo representa uma métrica comumente utilizada para avaliar modelos de classificação em aprendizado supervisionado?

• Erro Quadrático Médio (MSE)

• Acurácia

• Silhouette Score

• Variância Explicada

Em aprendizado supervisionado, o conjunto de dados é geralmente dividido em:

• Treinamento e validação apenas.

• Treinamento, validação e teste.

• Validação e teste apenas.

• Treinamento e teste apenas.

Qual das opções abaixo é um exemplo de variável alvo (target) em um problema de regressão supervisionada?

• Gênero de uma pessoa (masculino/feminino)

• Preço de uma casa em reais

• Cor dos olhos (azul, verde, castanho)

• Tipo sanguíneo (A, B, AB, O)

Em aprendizado supervisionado, qual é o papel da função de perda (loss function)?

• Aumentar a complexidade do modelo.

• Medir o quão bem o modelo está performando ao comparar as previsões com os valores reais.

• Reduzir o número de variáveis do modelo.

• Dividir os dados em clusters.