Aprendizado de Máquina
Semana 1 4
Na
área de engenharia, árvores de decisão são aplicadas no controle de
qualidade, ajudando a identificar falhas em produtos ou processos. Elas
classificam variáveis de produção para apontar fatores que levam a
defeitos, permitindo intervenções direcionadas para melhorar a
eficiência e reduzir desperdícios.
Com relação a este contexto e sobre o conteúdo estudado, examine as asserções a seguir e a relação proposta entre elas:
I.
As regras de divisão em modelos de classificação, como as usadas em
árvores de decisão, são baseadas em métricas como entropia, Gini e ganho
de informação, que avaliam a pureza dos subconjuntos formados após uma
divisão.
PORQUE
II. A entropia e o ganho
de informação sempre levam a melhores divisões que o índice de Gini,
porque a entropia penaliza mais as divisões impuras.
A respeito dessas asserções, assinale a alternativa correta.
Uma
aplicação de árvores de decisão na área industrial é a manutenção
preditiva de máquinas. Empresas utilizam esse modelo para prever falhas
em equipamentos e otimizar os cronogramas de manutenção. Com base nesses
dados, a árvore de decisão pode classificar se a máquina está em bom
estado, precisa de manutenção preventiva ou está em risco de falha
iminente. Isso reduz custos operacionais, evita paradas inesperadas na
produção e melhora a eficiência industrial.
Neste contexto, associe o conceito às descrições corretamente.
| Conceito | Descrição |
| I. Indução de modelos | A. Ocorre quando o modelo se ajusta excessivamente aos dados de treinamento, comprometendo seu desempenho em novos dados. |
| II. Precisão em aprendizado supervisionado | B. Consiste na extração de padrões gerais a partir de um conjunto de dados de treinamento. |
| III. Overfitting | C. Garante alta precisão em dados não vistos, desde que o conjunto de treinamento seja grande. |
Assinale a alternativa que apresenta a associação correta.
O
aprendizado por reforço é um paradigma de aprendizado de máquina no
qual um agente interage com um ambiente e aprende a tomar decisões por
meio de tentativa e erro, recebendo recompensas ou penalidades como feedback.
O objetivo do agente é maximizar a recompensa acumulada ao longo do
tempo, desenvolvendo uma política ótima para suas ações com base nas
experiências adquiridas.
Nesse sentido, assinale a alternativa
que identifica qual processo é fundamental para o funcionamento de um
algoritmo de aprendizado de máquina.
Uma
aplicação de árvores de decisão na área médica é o diagnóstico de
doenças. Um exemplo comum é o uso de árvores de decisão para identificar
se um paciente tem diabetes com base em variáveis como idade, índice de
massa corporal (IMC), nível de glicose no sangue, pressão arterial e
histórico familiar.
Neste sentido, sobre indução de árvores de decisão e regressão em aprendizado de máquina, observe as afirmativas a seguir:
I. As árvores de decisão são usadas tanto para tarefas de classificação quanto de regressão.
II. O critério "Impureza de Gini" é utilizado para medir a qualidade de divisões em árvores de decisão para regressão.
III. As árvores de regressão realizam divisões nos dados com base em uma métrica de erro, como o erro quadrático médio (MSE).
Está correto o que se afirma em: