Ao trabalhar com algoritmos supervisionados, os dados de entrada são rotulados e têm um resultado esperado específico. Você usa o treinamento para criar um modelo no qual um algoritmo se ajuste aos dados. À medida que o treinamento avança, as previsões ou classificações tornam-se mais precisas (MUELLER; MASSARON, 2020, p. 28).
Fonte: MUELLER, J.; MASSARON, L. Aprendizado Profundo para Leigos. Rio de Janeiro: Alta Books, 2020.
Sobre a aprendizagem de máquina, analise as assertivas a seguir e identifique as corretas:
I. Algoritmos de K-vizinhos mais próximos são usados nos aprendizado supervisionado com o objetivo de relacionar dados, por exemplo, e de categorizar músicas por gênero, artista e editor.
II. Algoritmos de regressão linear são exemplos de aprendizado supervisionado usados para prever o valor de mercado de uma empresa com base na localização ou no setor.
III. O agrupamento, ou clustering, é um processo de aprendizado supervisionado que organiza itens semelhantes e diferentes, porém que identificam relacionamentos entre os dados.
IV. A aprendizagem por regras de associação é um algoritmo de aprendizado supervisionado para pesquisas de mercado em busca de relacionamento de dados.
V. Na mineração de texto, aprendizado não supervisionado usa dados de treinamento para tentar encontrar padrões entre palavras-chaves e textos.
São verdadeiras:
Alternativas:
II e V, apenas.
I e II, apenas.
III e IV, apenas.
IV e V, apenas.
