Aprendizado Não Supervisionado e Avaliação de Agrupamentos

800 questões inéditas cobrindo 20 tópicos.

Agrupamento hierárquico · 40Alta dimensionalidade e dados mistos · 40Coeficiente de silhueta · 40DBSCAN e agrupamento por densidade · 40Detecção de anomalias · 40Distâncias e similaridades · 40Escolha do número de grupos · 40Estabilidade de agrupamentos · 40Fundamentos do aprendizado não supervisionado · 40Índices Davies-Bouldin e Calinski-Harabasz · 40Inicialização e estabilidade do K-means · 40Interpretação e perfil dos grupos · 40K-means e função objetivo · 40Métricas externas de agrupamento · 40Misturas gaussianas e algoritmo EM · 40PCA: fundamentos · 40PCA: variância, cargas e reconstrução · 40Pré-processamento para agrupamento · 40Redução não linear e visualização · 40Validação de negócio, ética e monitoramento · 40

Exemplos de questões

#47240

Múltipla EscolhaAgrupamento hierárquico

Qual alternativa define corretamente aglomeração hierárquica em aprendizado não supervisionado e agrupamento?

ADendrograma representa a hierarquia e a altura de fusão segundo o critério.

BLinkage Ward minimiza aumento da variância intra-cluster e se associa à geometria euclidiana.

CAglomeração hierárquica começa com unidades separadas e funde grupos sucessivamente.

DSingle linkage usa o par mais próximo e pode formar cadeias.

EAdquirir uma ferramenta popular e considerar o assunto encerrado, sem definir comportamento ou resultado.

Gabarito e explicação disponíveis para alunos cadastrados.

Criar conta grátis

#47638

Múltipla EscolhaAlta dimensionalidade e dados mistos

No domínio de aprendizado não supervisionado e agrupamento, uma equipe adotou a premissa de eliminar baixa variância automaticamente. Qual correção conceitual é mais adequada?

AReconhecer que seleção não supervisionada remove atributos por variância, redundância ou estabilidade sem usar alvo e, por isso, preservar variáveis raras relevantes ao objetivo.

BReconhecer que concentração de distâncias faz vizinhos próximos e distantes parecerem semelhantes em muitas dimensões e, por isso, medir contraste e reduzir atributos irrelevantes.

CReconhecer que peso de atributo expressa relevância relativa na medida de similaridade e, por isso, defini-lo com domínio e validar sensibilidade.

DReconhecer que dados mistos combinam numéricos, ordinais e nominais com geometrias distintas e, por isso, usar distância ou modelo compatível com tipos.

ERenomear o artefato existente, sem mudar o comportamento que produz o problema.

Gabarito e explicação disponíveis para alunos cadastrados.

Criar conta grátis

#47173

Certo ou ErradoCoeficiente de silhueta

A adoção de silhueta média continua correta quando a equipe decide comparar números obtidos com métricas diferentes, desde que documente essa decisão.

CCerto

EErrado

Gabarito e explicação disponíveis para alunos cadastrados.

Criar conta grátis

Crie sua conta grátis para responder as 800 questões de Aprendizado Não Supervisionado e Avaliação de Agrupamentos com correção e explicação na hora.

Criar conta grátis