NEW
Font size
WorksheetsAvaliação de Modelos Preditivos e Descritivos: Visão Geral
Total questions: 18
Worksheet time: 18mins
Qual tópico NÃO é explicitamente listado como parte da avaliação de modelos preditivos e descritivos nesta visão geral?
Métricas de Erro
Amostragem
Testes de Hipótese
Treinamento de Redes Neurais Profundas
Decomposição Viés–Variância da Taxa de Erro
Em classificação, a métrica err(f) representa:
A proporção de itens corretamente classificados
A proporção de itens classificados incorretamente
A soma dos verdadeiros positivos
A média dos erros absolutos
Considere as fórmulas apresentadas: err(f) é a taxa de erro e ac(f) = 1 − err(f). Qual afirmação está correta?
A acurácia aumenta quando a taxa de erro aumenta
A acurácia é o complemento da taxa de acertos
A acurácia é o complemento da taxa de erro
A acurácia é sempre igual à taxa de erro
Analise a matriz de confusão ilustrada (3 classes). Qual é o número de acertos (soma da diagonal principal)?
21
16
19
15
Você tem um conjunto de dados pequeno e deseja obter uma estimativa estável de desempenho com média e desvio padrão, preservando a possibilidade de repetir exemplos no treino. Qual técnica é mais adequada?
Holdout
Validação cruzada
Bootstrap
Divisão 80/20 fixa
Qual medida está diretamente associada à proporção de previsões incorretas do modelo em todo o conjunto de dados?
Precisão
Taxa de Erro Total
Sensibilidade (Recall)
Especificidade
Na análise ROC, qual eixo representa a Taxa de Falsos Positivos (FP) no diagrama com a linha tracejada de “classificador aleatório” e pontos para Algoritmo A, B e C?
Eixo vertical (y)
Eixo horizontal (x)
Ambos os eixos
Nenhum dos eixos
Observe o diagrama ROC que compara Algoritmo A (triângulo), B (círculo) e C (quadrado). Qual algoritmo está mais próximo do “céu ROC” (alto VP e baixo FP), indicando melhor desempenho?
Algoritmo A
Algoritmo B
Algoritmo C
Todos têm o mesmo desempenho
Na comparação de dois modelos usando o Teste de Wilcoxon, qual coluna da tabela é usada para ordenar os pares ao atribuir os ranks antes de somar R+ e R−?
Diferença
Dif_absoluta
C4.5
C4.5+m
Qual pós-teste listado apresenta, em geral, valores de q0,05 menores do que o outro para o mesmo número de algoritmos (A)?
Nemenyi
Bonferroni-Dunn
Ambos têm sempre o mesmo valor
Nenhum dos dois utiliza q0,05
Na decomposição viés-variância, o erro esperado é separado em três componentes. Qual opção lista corretamente esses componentes?
Ruído intrínseco do objetivo, quadrado do enviesamento, variância
Ruído extrínseco, viés absoluto, desvio padrão
Erro de treinamento, erro de validação, erro de teste
Viés, overfitting, underfitting
O 'quadrado do enviesamento' na decomposição refere-se a:
A variabilidade do modelo entre diferentes amostras
A diferença sistemática entre a predição média do modelo e o valor verdadeiro
O ruído introduzido pelo processo de medição
A soma de erros de treinamento
Em termos de otimalidade, reduzir demasiadamente a variância tende a:
Aumentar o ruído intrínseco
Aumentar o enviesamento
Reduzir o viés e a variância simultaneamente
Não afetar o desempenho do modelo
Qual componente da decomposição é inevitável mesmo com o melhor modelo possível para os dados?
Variância
Quadrado do enviesamento
Ruído do objetivo intrínseco
Erro de validação cruzada
Se o objetivo é reduzir overfitting, qual componente você busca reduzir principalmente?
Quadrado do enviesamento
Variância
Ruído do objetivo intrínseco
Erro irreduzível
Qual afirmação é verdadeira sobre as três quantidades da decomposição?
Podem ser negativas dependendo do modelo
São sempre não negativas
Somam-se sempre a 1
Dependem apenas do algoritmo e não dos dados
Qual componente não é afetado por mudanças na arquitetura do modelo, assumindo mesmo processo gerador de dados?
Variância
Quadrado do enviesamento
Ruído do objetivo intrínseco
Ambos viés e variância
Complete a ideia central: A decomposição viés-variância separa o erro esperado em _______.
dois termos independentes
três termos não negativos
quatro termos correlacionados
um único termo irreduzível
