Question

1)
Tratando-se de Inteligência Artificial - AI, mais especificamente Machine Learning, temos diversos algoritmos e modelos que nos ajudam nas tarefas de predição e classificação. Mas de todos, as árvores de decisão possuem um destaque à parte, devido a sua alta performance, fácil interpretação e flexibilidade.

Apesar de todos os pontos positivos de uma árvore de decisão, há um ponto negativo que pode acontecer e se destaca em árvores de decisão, esse ponto é:

Alternativas:

a)
Ensemble

b)
Overfitting

c)
Floresta Aleatória

d)
Black-box

e)
Boosting

2)
Em Python a criação das árvores é feita de forma fácil, com apenas um comando o computador faz diversos cálculos e cria uma árvore de decisão para os nossos dados. Mas o conceito por trás disso é muito importante.

Mas como construímos uma árvore? Qual algoritmo? Bem, há vários que podem ser usados, como: ID3, C4.5, C5.0, CART, CHAID, MARS. Cada um deles possui sua abordagem, por exemplo, o CART (Classification and Regression Trees) usa o índice de Gini como métrica.

Assinale a alternativa que traz a métrica utilizada pelo ID3 (Iterative Dichotomiser 3).

Alternativas:

a)
Função de entropia e o ganho de informação.

b)
RMSE

c)
Nó pai e nó filho.

d)
Nó Raiz

e)
Média ponderada

3)
Já sabemos que árvores de decisão são métodos comumente utilizados em mineração de dados (Rokach, 2014). Porém, conforme o estudo, é fácil acabar se perdendo no meio de tantas terminologias novas, conceitos novos, nomes novos etc.

"Uma técnica para melhorarmos a nossa árvore para o nosso modelo. Basicamente queremos reduzir o tamanho da nossa árvore, removendo sub-nós. Assim conseguimos melhorar a acurácia do modelo e também evitamos que o modelo gere overfitting.". Essa definição remete-se a qual alternativa?

Alternativas:

a)
Nó de Decisão ou Interno.

b)
Nó de folha.

c)
Poda.

d)
Nó pai

e)
Entropia

4)
Previamente, a árvore é construída baseado em cortes nos dados constituindo o nó raiz da árvore, em subconjuntos (Shalev-Shwartz, 2014). Árvores são modelos que baseiam-se em fluxos que tomam decisões com intuito de prever ou classificar.

Normalmente o último nó, ele representa a nossa classe rotulada e usada para as predições. No caso de não conseguirmos dividir mais. Esse nó tem qual nome?

Alternativas:

a)
Folha

b)
Raiz

c)
Pai

d)
Filho

e)
Interno

5)
Modelos ensemble são ótimos para gerar excelentes métricas de performance em nosso estudo. Eles juntam diversos "modelos fracos" em um "modelo forte" que traz uma predição normalmente melhor.

Quando juntamos diversas árvores de decisão, em que cada árvore possui um resultado, podemos fazer um voto majoritário e tirar uma predição final. Esse procedimento remete-se a qual modelo?

Alternativas:

a)
Floresta Aleatória

b)
SVM

c)
Regressão Linear

d)
Regressão Logística

e)
Séries Temporais

Answer 1

Resposta:

1) B  2) A  3) C  4) A  5) A

Explicação: CORRIGIDO NO AVA