Questões de Algoritmos e Estrutura de Dados para Concurso

    Em aprendizado de máquina, especialmente em algoritmos de árvores de decisão, é fundamental avaliar como os dados são organizados e classificados em diferentes níveis da árvore. Três conceitos-chave que auxiliam na construção e otimização dessas árvores são o gini impurity, a entropy e o information gain. A respeito desses conceitos, julgue os itens a seguir.

I Gini impurity mede a redução da entropy após a divisão de um conjunto de dados com base em um atributo.

II Entropy mede a quantidade de incerteza ou impureza no conjunto de dados.

III Information gain mede a probabilidade de uma nova instância ser classificada incorretamente, com base na distribuição de classes no conjunto de dados.

Assinale a opção correta.

Considerando a figura precedente, assinale a opção correta em relação ao algoritmo de SVM (support vector machine). 

Considere uma estrutura de pilha (FILO) preenchida inicialmente com os seguintes inteiros: 1, 2, 3, 4, 5, 6, nessa ordem, do primeiro ao último a entrar na pilha. Suponha que executemos os seguintes comandos de atribuições a variáveis inteiras, alternados com comandos de pilha:

VAR1:= 7; VAR2:=8; VAR3:=9;
VAR4:=POP;
PUSH(VAR1);
PUSH(VAR2);
VAR1:=POP;
VAR2:=POP;
PUSH(VAR3);
PUSH(VAR1);
PUSH(VAR2);
PUSH(VAR4);

Assim, em quanto resulta o conteúdo da pilha? 

Considere a árvore binária a seguir.


Que sequência obteremos, se executarmos o percurso em pós-ordem? 

      Uma empresa está coletando os dados de campanhas sazonais de publicidade e mantém organizada uma planilha com as informações de cada campanha, com os respectivos períodos de duração e valores investidos.

Nessa situação hipotética, a empresa possui dados do tipo