Questionário de Regressão Linear

Qual é a função principal do Python (Anaconda Distribution) mencionada no material?

• Executar códigos em Java e visualizar dados estatísticos.

• Incluir o Jupyter Notebook, perfeito para rodar códigos em Python e visualizar dados estatisticamente.

• Criar apresentações de slides interativas.

• Desenvolver aplicativos móveis sem conexão à internet.

Como as variáveis explicativas são utilizadas em modelos de regressão?

• Para influenciar as previsões feitas pelo modelo.

• Para determinar a mediana dos dados.

• Para criar histogramas de frequência.

• Para calcular a variância dos dados.

Qual é um exemplo de modelo de aprendizado de máquina mencionado no texto?

• Redes neurais.

• Regressão linear.

• Árvore de decisão.

• Máquina de vetores de suporte.

O que são datasets de treino e teste?

• Conjuntos de dados usados para treinar e avaliar um modelo

• Conjuntos de dados usados apenas para treinar um modelo

• Conjuntos de dados usados apenas para avaliar um modelo

• Conjuntos de dados usados para armazenar informações

Qual é o uso do tema em negócios?

• Prever vendas com base em dados históricos.

• Analisar o desempenho dos alunos.

• Prever a progressão de doenças.

• Melhorar a comunicação interna.

Qual é a aplicação do tema na educação?

• Prever a progressão de doenças.

• Analisar e prever o desempenho dos alunos.

• Melhorar a eficiência energética.

• Aumentar a produção industrial.

Qual é o método usado para dividir os dados em treino e teste?

• train_test_split()

• data_split()

• split_data()

• test_train_divide()

O que o comando `plt.scatter(y_test, y_pred)` faz no código?

• Cria um gráfico de barras

• Cria um gráfico de dispersão

• Calcula a correlação entre duas variáveis

• Exibe um histograma

O que o gráfico "Valores Reais vs Previsões" representa?

• A comparação entre valores reais e valores previstos.

• A relação entre tempo e custo.

• A variação de temperatura ao longo do tempo.

• A distribuição de frequências de um conjunto de dados.

Qual é a finalidade de dividir os dados em conjuntos de treino e teste?

• Para simplificar os cálculos

• Para verificar se o modelo pode generalizar bem para novos dados

• Para aumentar a quantidade de dados de treino

• Para evitar o uso de dados categóricos