Questionário: Árvores de Decisão

O que representa uma árvore de decisão no contexto de classificação?

• Um tipo de rede neural.

• Um modelo hierárquico baseado em regras.

• Uma sequência de cálculos estatísticos.

• Um algoritmo baseado em regressão linear.

• Um modelo exclusivo para variáveis contínuas.

Qual é o principal objetivo da função `find_best_split()` em uma árvore de decisão?

• Encontrar o valor ótimo de regressão.

• Determinar a profundidade da árvore.

• Selecionar a melhor condição de divisão.

• Aplicar o método de poda.

• Calcular a entropia total dos dados.

Segundo o algoritmo de Hunt, qual é o critério para parar o crescimento da árvore?

• Quando todos os atributos são contínuos.

• Quando todas as classes têm a mesma distribuição.

• Quando todos os registros pertencem à mesma classe.

• Quando a profundidade máxima é alcançada.

• Quando há muitas folhas com erro.

O que representa um nó folha em uma árvore de decisão?

• Um nó que executa operações estatísticas.

• Um nó com múltiplos atributos categóricos.

• Um nó sem filhos que contém um rótulo de classe.

• Um nó de raiz da árvore.

• Um nó que divide os dados em mais de três partes.

Qual medida abaixo é usada para avaliar a impureza de um nó?

• Média aritmética

• Custo computacional

• Entropia

• Gradiente descendente

Qual das opções abaixo é uma limitação das árvores de decisão?

• Baixa capacidade de modelar dados categóricos.

• Sensibilidade a dados ruidosos e overfitting.

• Necessidade de distribuição normal nos dados.

• Incapacidade de trabalhar com atributos binários.

• Exclusividade para problemas de regressão.

O que o ganho de informação mede em uma árvore de decisão?

• A) A velocidade do algoritmo.

• B) A pureza dos atributos contínuos.

• C) A redução na impureza após uma divisão.

• D) A distância euclidiana entre registros.

• E) A complexidade do modelo.

Em atributos nominais com muitos valores distintos, qual técnica evita overfitting?

• Agrupamento hierárquico.

• Normalização dos dados.

• Utilização da razão de ganho (gain ratio).

• Transformada de Fourier.

• Substituição por média ponderada.

A poda de uma árvore de decisão serve principalmente para:

• Melhorar o tempo de execução.

• Aumentar a profundidade da árvore.

• Reduzir o risco de overfitting.

• Eliminar atributos binários.

• Maximizar a variância entre folhas.

O que caracteriza um atributo ordinal na indução de árvores de decisão?

• Possui apenas dois valores distintos.

• Não permite agrupamento de valores.

• Possui valores com ordem intrínseca.

• Sempre resulta em divisão binária.

• É equivalente a um atributo contínuo.