AAS1

Front

Qual das seguintes afirmações sobre "precision" é VERDADEIRA? É a métrica que permite avaliar a proporção de falsos positivos entre todas as previsões positivas. É a métrica equivalente a accuracy e fornece os mesmos resultados. É a métrica equivalente ao recall e fornece sempre os mesmos resultados.

Back

É a métrica que permite avaliar o quão bom é o nosso modelo ao prever uma determinada classe.

Front

O que são "outliers"?

Back

Dados que não seguem o padrão da maioria das observações.

Front

Um dos objetivos principais da Análise Exploratória de Dados (EDA) é:

Back

Explorar padrões e relações nos dados.

Front

Num problema de classificação onde as categorias que tentamos prever são valores numéricos inteiros, devemos usar um modelo de Regressão Linear. Esta afirmação é:

Back

Falsa

Front

O que significa ter uma matriz de confusão cuja diagonal dos Falsos Positivos e Falsos Negativos possui valores nulos?

Back

O modelo classificou todos os dados do conjunto de teste corretamente.

Front

Qual das seguintes métricas é usada para avaliar a performance de um modelo de regressão linear? Recall, MAE, Precision, AUC

Back

MAE

Front

A Regressão Logística é adequada para problemas em que: Queremos prever a probabilidade de uma classe.

Back

Queremos prever a probabilidade de uma classe.

Front

Qual das seguintes afirmações descreve corretamente a diferença entre um "algoritmo" e um "modelo" em Machine Learning? O algoritmo é a tecnologia usada para a aprendizagem, enquanto que o modelo é o resultado final do algoritmo treinado.

Back

O algoritmo é a tecnologia usada para a aprendizagem, enquanto que o modelo é o resultado final do algoritmo treinado.

Front

Que coluna do dataset é que usamos para avaliar a performance do modelo?

Back

A coluna considerada como "target".

Front

A 'decision boundary' na Regressão Logística:

Back

Separa as classes baseadas nas probabilidades previstas pelo modelo.