Geral
Aprendizado de Máquina
Semana 7
0
Questão
Comparar
modelos requer uma análise além da acurácia, considerando métricas como
área sob a curva ROC (AUC-ROC) e matriz de confusão. Essas métricas
fornecem uma visão mais detalhada do desempenho em diferentes classes.
Modelos com alta acurácia podem ter desempenho desequilibrado em classes
minoritárias.
Diante do apresentado sobre o uso do algoritmo K-Nearest Neighbors (KNN), interprete as afirmativas a seguir:
I. O KNN pode ser usado tanto para classificação quanto para regressão.
II. O valor de![estilo mostrar k]()
k (número de vizinhos) sempre deve ser ímpar para que o algoritmo funcione corretamente.
III. O KNN é sensível à escolha da métrica de distância.
É correto o que se afirma em:
function vote(questaoId, value) {
window.location.href = "/accounts/login/?next=/questao/466/";
return;
fetch(`/vote/questao/${questaoId}/`, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'X-CSRFToken': 'YewbthtKwN3GHC5E5MoeK9xNw29KLOyr2qE7Sm9hJm6oHJa2SM2IzHuOSA5oe12Q'
},
body: JSON.stringify({ value: value })
})
.then(response => response.json())
.then(data => {
if (data.success) {
document.getElementById(`score-${questaoId}`).textContent = data.score;
const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`);
const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`);
upBtn.classList.remove('active-up');
downBtn.classList.remove('active-down');
if (data.user_vote === 1) upBtn.classList.add('active-up');
if (data.user_vote === -1) downBtn.classList.add('active-down');
}
});
}
Diante do apresentado sobre o uso do algoritmo K-Nearest Neighbors (KNN), interprete as afirmativas a seguir:
I. O KNN pode ser usado tanto para classificação quanto para regressão.
II. O valor de
III. O KNN é sensível à escolha da métrica de distância.
É correto o que se afirma em: