Questões de Aprendizado Supervisionado

Explore questões resolvidas de Aprendizado Supervisionado. Acesse respostas e explicações detalhadas para estudar e evoluir.

96% confiança
Manuela recebeu a nota do seu exame de matemática e ficou feliz com seu desempenho, pois ela considerava que havia estudado pouco. Conversando com seus colegas, ela teve a ideia de analisar a relação entre o número de horas de estudo com a nota do exame. Para isso, ela perguntou para cada colega quantas horas havia estudado e a nota que tirou. Qual técnica usada em mineração de dados pode ser usada para Manuela relacionar essas duas variáveis (horas de estudo x nota)?
aprendizado-supervisionado estatistica mineracao-de-dados
95% confiança
Com o objetivo de obter informações por meio do aprendizado de máquina, verificou-se que o processo que estava sendo realizado consistia em examinar as características de determinado objeto e atribuir-lhe uma ou mais classes; verificou-se também o uso de algoritmos de aprendizado supervisionados. Identifique que ação está sendo realizada:
aprendizado-de-maquina aprendizado-supervisionado classificacao
96% confiança
Quando estamos falando de análise de sentimentos queremos mapear o sentimento que uma mensagem passa, de positividade, neutralidade ou negatividade. Normalmente fazemos isso pela agregação de polaridades de palavras. Este tipo de tarefa pertence a que família de problemas de aprendizado de máquina supervisionado?
aprendizado-de-maquina aprendizado-supervisionado classificacao
96% confiança
Um dos métodos mais conhecidos para treinamento de uma rede neural é o backpropagation. Em relação a esse método, selecione a opção correta sobre suas características.
aprendizado-supervisionado backpropagation inteligencia-artificial
98% confiança
Em um problema de aprendizado de máquina, o algoritmo é treinado com exemplos em que cada dado de entrada já está associado à sua respectiva saída correta. Durante o treinamento, o modelo compara sua previsão com o resultado esperado e ajusta seus parâmetros para reduzir os erros. Esse tipo de aprendizado é denominado:
aprendizado-de-maquina aprendizado-supervisionado inteligencia-artificial
88% confiança
A respeito dos modelos de aprendizado de máquina, assinale a opção correta:
aprendizado-de-maquina aprendizado-supervisionado classificacao
97% confiança
Considerando a situação apresentada, qual alternativa identifica corretamente o tipo de aprendizado de máquina mais adequado quando existem dados com resultados previamente identificados?
aprendizado-de-maquina aprendizado-supervisionado inteligencia-artificial
97% confiança
A qual técnica de Aprendizado de Máquina o Algoritmo de Árvore de Decisão Classificadora pertence?
aprendizado-de-maquina aprendizado-supervisionado classificacao
78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: (-1, 8) → Norte; (-2, -4) → Sul. Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo: Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [−0,1; 0,2; 0,1; 0,3] e v0 = [0,4; −0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado madaline redes-neurais
86% confiança
Embora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado. Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e “-1” para SUV médio. Utilize como pesos sinápticos iniciais v = [0,2 | -0,15; 0,14 -0,03] e v0 = [0,24 -0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do terceiro ciclo é igual a:
adaline aprendizado-supervisionado inteligencia-artificial
77% confiança
Embora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado. Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizado igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e “-1” para SUV médio. Utilize como pesos sinápticos iniciais v = [0,21 −0,15; 0,14 −0,03] e v0 = [0,24 −0,1]. As grandezas estão em escalas diferentes e é recomendável a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do segundo ciclo é igual a:
adaline aprendizado-supervisionado inteligencia-artificial
88% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos (Tabela 1). Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo (Fórmula 1). Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [-0,1; 0,2; 0,1; 0,3] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado inteligencia-artificial madaline
74% confiança
Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo 1 para SUV compacto e −1 para SUV médio. Utilize como pesos sinápticos iniciais v = [0,01; −0,25; 0,14; −0,13] e v0 = [0,24; −0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos de v após o término do segundo ciclo é igual a:
adaline aprendizado-supervisionado inteligencia-artificial
78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos (ver tabela). Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo (ver tabela). Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [-0,1; 0,2; 0,1; 0,3] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado inteligencia-artificial madaline
86% confiança
Embora não seja uma regra clara, o mercado de automóveis costuma classificar os veículos por categorias. Aspectos como formato da carroceria, distância livre do solo, distância entre eixos, largura e altura são alguns dos dados que são levados em consideração para essa classificação. Considere que você possua amostras de treinamento contendo como dados de entrada a largura do veículo e a distância entre eixos e a classificação da categoria de acordo com o mercado (tabela abaixo). Treine uma RNA do tipo Adaline, usando o algoritmo apresentado nesse curso e considerando o uso da função degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,01. Considere o valor esperado da saída da rede como sendo '1' para SUV compacto e '-1' para SUV médio. Utilize como pesos sinápticos iniciais v = [-0,1 -0,5; 0,1 -0,03] e v0 = [-1 0,04 -0,1]. As grandezas estão em escalas diferentes e o recomendável é a normalização das entradas. Considerando o propósito de aprendizagem do algoritmo, nesse caso, não faça a normalização. O valor dos pesos sinápticos v após o término do primeiro ciclo é igual a:
adaline aprendizado-supervisionado redes-neurais
78% confiança
Considere o problema da função lógica "E", cuja tabela de valores lógicos é mostrada a seguir. Treine uma RNA do tipo Madaline, usando o algoritmo de aprendizado da regra delta generalizada e considerando o uso da função degrau binária com limiar igual a 0,5 e taxa de aprendizado igual a 0,1. Utilize como pesos sinápticos iniciais v = [[0,2 -0,1],[0 0,2]] e v0 = [0,02 -0,1]. Os vetores de pesos sinápticos após o término do terceiro ciclo são iguais a:
aprendizado-supervisionado inteligencia-artificial madaline
78% confiança
Considere o problema em classificar pontos no plano cartesiano como sendo do Norte ou do Sul. Para tanto, treine uma RNA do tipo Madaline, usando o algoritmo apresentado nesse curso e considerando os seguintes pontos: Embora o problema possa ser resolvido com uma Adaline, resolva pela rede Madaline, considerando os seguintes vetores-alvo: Utilize a função de ativação degrau bipolar com limiar igual a 0 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [ -0,1; 0,2; 0,1; 0,3 ] e v0 = [0,4; -0,1]. Os vetores de pesos sinápticos após o término do segundo ciclo são iguais a:
aprendizado-supervisionado madaline redes-neurais
78% confiança
Considere o problema da função lógica "E", cuja tabela de valores lógicos é mostrada a seguir. Treine uma RNA do tipo Madaline, usando o algoritmo de aprendizagem da regra delta generalizada e considerando o uso da função degrau binária com limiar igual a 0,5 e taxa de aprendizagem igual a 0,1. Utilize como pesos sinápticos iniciais v = [[-0,42 −0,22],[0,01 −0,42]] e v0 = [0,29 −0,41]. Os vetores de pesos sinápticos após o término do primeiro ciclo são iguais a:
aprendizado-supervisionado madaline redes-neurais-artificiais
98% confiança
Qual a categoria de Machine Learning utiliza um modelo de treinamento em que você fornece os dados e os agrupa em rótulos?
aprendizado-supervisionado inteligencia-artificial machine-learning