Questões de estudo

1. Em uma árvore de decisão, o que é um nó folha?

   a) Um ponto onde a árvore se divide em dois ou mais ramos.

   b) Um ponto onde uma decisão é tomada com base em uma feature específica.

   c) Um ponto final que representa a classe ou valor previsto.

   d) Um ponto que conecta diferentes ramos da árvore.

   Resposta correta: c) Um ponto final que representa a classe ou valor previsto.

2. Qual é o principal objetivo do pré-processamento de dados em Machine Learning?

   a) Melhorar a performance do hardware.

   b) Transformar dados brutos em um formato adequado para análise.

   c) Aumentar o tamanho do dataset.

   d) Reduzir o número de features.

   Resposta correta: b) Transformar dados brutos em um formato adequado para análise.

3. Qual técnica de codificação é mais adequada para variáveis categóricas nominais em um modelo KNN?

   a) Label Encoding

   b) One-Hot Encoding

   c) Normalização

   d) Padronização

   Resposta correta: b) One-Hot Encoding

4. O que é o Machine Learning?

   a) Uma técnica para programar computadores manualmente.

   b) Um método para que a máquina aprenda a partir dos dados, melhorando seu desempenho sem ser explicitamente programada.

   c) Um tipo de hardware especializado para cálculos matemáticos.

   d) Um software de edição de imagens.

   Resposta correta: b) Um método para que a máquina aprenda a partir dos dados, melhorando seu desempenho sem ser explicitamente programada.

5. Quais são as principais categorias de aprendizado em Machine Learning?

   a) Aprendizado supervisionado e não supervisionado.

   b) Aprendizado por reforço e aprendizado profundo.

   c) Aprendizado simbólico e conexionista.

   d) Aprendizado estatístico e heurístico.

   Resposta correta: a) Aprendizado supervisionado e não supervisionado.

6. Em uma árvore de decisão, qual critério é comumente usado para escolher a melhor divisão em um nó?

   a) Maximizar o ganho de informação.

   b) Maximizar a entropia do nó.

   c) Minimizar o ganho de informação.

   d) Minimizar a distância euclidiana.

   Resposta correta: a) Maximizar o ganho de informação.

7. Qual a principal característica de uma árvore de decisão?

   a) Faz previsões baseadas em uma sequência de regras de decisão.

   b) Divide os dados em clusters baseados em centroides.

   c) Usa distância euclidiana para classificar amostras.

   d) Combina múltiplos modelos para melhorar a precisão.

   Resposta correta: a) Faz previsões baseadas em uma sequência de regras de decisão.

8. O que é bias em modelos de ML?

   a) A variabilidade do modelo em relação aos dados de treinamento.

   b) O erro devido a suposições incorretas no modelo.

   c) A capacidade do modelo de generalizar para novos dados.

   d) A complexidade do modelo.

   Resposta correta: b) O erro devido a suposições incorretas no modelo.