Questões de Concurso
Para dataprev
Foram encontradas 2.610 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
O aprendizado por reforço é um tipo de aprendizagem de máquina que tem por objetivo prever o resultado de um atributo alvo exclusivamente por meio de reforço no treinamento do modelo.
A técnica de agrupamento é um tipo de aprendizado não supervisionado em que o algoritmo identifica padrões em um conjunto de dados de entrada sem ter recebido qualquer feedback prévio.
Os algoritmos SVM (support vector machines) realizam apenas tarefas de regressão.
Julgue o próximo item, relativos a aprendizado de máquina.
As técnicas de regressão utilizam um conjunto finito de
hipóteses para, a partir dos atributos previsores, determinar a
categoria de um objeto do conjunto de dados analisado.
O algoritmo k-means seleciona objetos reais de uma base de dados como centroide do grupo para realizar o agrupamento de objetos semelhantes.
O PCA é um procedimento estatístico que converte um conjunto de objetos com atributos possivelmente correlacionados em um conjunto de objetos com atributos linearmente descorrelacionados.
A compressão de atributos é uma técnica de redução de dimensionalidade na qual atributos irrelevantes ou redundantes são identificados e desconsiderados.
A regra de associação é uma técnica que busca relações de co-ocorrência entre objetos de uma base de dados.
A biblioteca numpy permite realizar operações matemáticas entre arrays de diferentes dimensões usando o mecanismo de broadcast.
O método describe() da biblioteca Pandas retorna as linhas superiores e inferiores do DataFrame.
A biblioteca Pandas apresenta os dados em uma estrutura de DataFrame, composta por linhas e colunas.
Se um conjunto de dados for armazenado em um array numpy, então, por meio dos seus métodos pré-definidos, será possível obter dados de resumo estatístico desse conjunto de dados.
A respeito das bibliotecas NumPy e Pandas, julgue o item a seguir.
A classe numpy.poly1d() permite a criação de arrays
multidimensionais.
A partir das informações anteriores, e considerando a estimação do parâmetro π e o teste da hipótese nula H0: π = 0,5 contra a hipótese alternativa H1: π ≠ 0,5, bem como sabendo que os valores observados na amostra foram 0,0,0,1, julgue o item a seguir.
Mantendo-se os mesmos valores 0,0,0,1 observados na amostra, o intervalo simétrico de 95% de confiança para π deve apresentar amplitude superior àquela proporcionada pelo intervalo simétrico de 99% de confiança para esse mesmo parâmetro.
A partir das informações anteriores, e considerando a estimação do parâmetro π e o teste da hipótese nula H0: π = 0,5 contra a hipótese alternativa H1: π ≠ 0,5, bem como sabendo que os valores observados na amostra foram 0,0,0,1, julgue o item a seguir.
Sob a hipótese nula, a variância populacional é igual a 0,25.
A partir das informações anteriores, e considerando a estimação do parâmetro π e o teste da hipótese nula H0: π = 0,5 contra a hipótese alternativa H1: π ≠ 0,5, bem como sabendo que os valores observados na amostra foram 0,0,0,1, julgue o item a seguir.
A estimativa de máxima verossimilhança da probabilidade π é igual a 0,75.
P (V = 0) = exp (0).
A esperança e a variância de V são iguais a 1.
No que se refere à variável aleatória V, que segue uma distribuição contínua, tal que P ( V > v) = exp (−v), se v ≥ 0, e P ( V > v) = 0, se v < 0, julgue o próximo item.
P ( V > 1|V > 2) = 1.
As variáveis X e Y possuem a mesma esperança.