Geral
Introdução a Ciência de Dados - COM350
Semana 7
0

Questão

No desenvolvimento de modelos de aprendizado de máquina, a avaliação do desempenho é crucial para garantir que o modelo generalize bem para dados novos e não vistos. A biblioteca Scikit-Learn oferece ferramentas eficientes para essa tarefa, sendo uma das práticas mais comuns a divisão dos dados em conjuntos de treino e teste. Essa divisão permite que o modelo seja treinado em uma parte dos dados e avaliado em outra, evitando o sobreajuste e proporcionando uma medida mais precisa de sua eficácia. Neste contexto, a classe DecisionTreeRegressor, disponível na biblioteca sklearn.tree, é uma técnica popular para realizar regressões.

Com base na divisão dos dados e o uso da biblioteca Scikit-Learn, assinale a alternativa que identifica a forma correta de realizar essa divisão utilizando a classe DecisionTreeRegressor da biblioteca sklearn.tree.
A) Separar os dados manualmente atribuindo as primeiras 80% das amostras para treino e as restantes 20% para teste, evitando utilizar o embaralhamento.
B) Utilizar a função cross_val_score() diretamente sobre o conjunto de dados sem separar treino e teste, pois a validação cruzada já é suficiente para medir o desempenho.
C) Utilizar apenas um subconjunto pequeno dos dados para treino e o restante para teste, garantindo que o modelo não memorize os dados de treinamento.
D) Utilizar a função train_test_split() do Scikit-Learn para separar os dados, depois treinar o modelo com os dados de treino e testá-lo com os dados de teste.
E) Utilizar toda a base de dados para treinar o modelo e avaliar seu desempenho no mesmo conjunto de dados, garantindo um ajuste perfeito.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/3644/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': 'uEYgFdfkaatRffzF9Xdqsuxwrii4C2LnHVKnwoDPyuJdfj3SMHretwdT17LTnr4J' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${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'); } }); }