Geral
Introdução a Ciência de Dados - COM350
Semana 7
0
Questão
Leia o trecho a seguir:
Ao aplicar o algoritmo K-Nearest Neighbors Regressor (KNN Regressor), um analista de dados precisa definir corretamente alguns parâmetros para obter previsões eficazes. Entre eles, o número de vizinhos K influencia diretamente a suavização do modelo. Se K for muito pequeno, a previsão pode ser mais sensível a ruídos nos dados, enquanto valores altos de K podem resultar em um modelo excessivamente [preencher 1]. Além disso, para medir o desempenho do modelo, métricas como erro quadrático médio (MSE) e erro absoluto médio (MAE) são comumente utilizadas. Já o MAE, que calcula a média dos valores absolutos dos erros, pode ser interpretado como uma medida de [preencher 2] do modelo.
Os termos [preencher 1] e [preencher 2] são corretamente substituídos por:
Ao aplicar o algoritmo K-Nearest Neighbors Regressor (KNN Regressor), um analista de dados precisa definir corretamente alguns parâmetros para obter previsões eficazes. Entre eles, o número de vizinhos K influencia diretamente a suavização do modelo. Se K for muito pequeno, a previsão pode ser mais sensível a ruídos nos dados, enquanto valores altos de K podem resultar em um modelo excessivamente [preencher 1]. Além disso, para medir o desempenho do modelo, métricas como erro quadrático médio (MSE) e erro absoluto médio (MAE) são comumente utilizadas. Já o MAE, que calcula a média dos valores absolutos dos erros, pode ser interpretado como uma medida de [preencher 2] do modelo.
Os termos [preencher 1] e [preencher 2] são corretamente substituídos por: