Julgue o item a seguir, relativo ao modelo CRISP-DM (cross industry standard process for data mining).

Compreensão do negócio, compreensão dos dados, preparação dos dados, modelagem, avaliação e implantação são as fases do modelo CRISP-DM, e, nesse modelo, as fases devem ser seguidas de maneira estritamente sequencial, sem a possibilidade de iterações ou retrocessos.

O aprendizado supervisionado analisa dados sem respostas predefinidas, identificando padrões ou categorias de forma autônoma, sem orientações específicas.

Julgue os itens a seguir, referentes a algoritmos de aprendizado de máquina.

O algoritmo K-means garante a otimização dos clusters, independentemente da inicialização dos centroides, desde que a métrica de distância utilizada seja euclidiana, e os dados estejam em um espaço vetorial de baixa dimensionalidade.

Julgue os itens a seguir, referentes a algoritmos de aprendizado de máquina.

O Naive Bayes, algoritmo de classificação probabilística eficiente no uso de dados categóricos, é indicado para aplicações de classificação de texto, tais como filtragem de spams e classificação de textos.

Julgue os itens a seguir, referentes a algoritmos de aprendizado de máquina.

O algoritmo KNN (k-nearest neighbors) é um modelo supervisionado de aprendizado de máquina que realiza previsões classificando uma nova amostra com base na maioria dos votos de seus K vizinhos mais próximos, definidos por uma métrica de distância.

Uma equipe de mineração deseja analisar a distribuição do teor de minério em uma amostra coletada. O código a seguir utiliza a biblioteca matplotlib do Python para criar um histograma dos teores coletados.

import matplotlib.pyplot as plt

# Dados de teores de minério (%)
teores = [0.5, 0.7, 1.2, 1.5, 1.8,
          2.0, 2.2, 2.5, 2.8, 3.0,
          3.5, 4.0, 4.2, 4.5, 5.0,
          5.5, 6.0, 6.5, 7.0, 7.5]

# Criação do histograma
plt.hist(teores, bins=5, edgecolor='black')
plt.xlabel('Teor de Minério (%)')
plt.ylabel('Frequência')
plt.title('Distribuição do Teor de Minério')
plt.show()

Com base no código precedente, julgue o item a seguir.

O parâmetro bins = 5, no código em apreço, especifica que o histograma terá exatamente cinco barras, com o mesmo número de dados em cada barra.

O uso da Internet das Coisas contribui para o aumento da visibilidade da demanda.

A regressão é o método de data mining usado para prever valores contínuos como, por exemplo, previsão de vendas, preços de ações, identificação de transações fraudulentas, entre outros.

A única maneira de se evitar o underfitting em um modelo de machine learning é reduzir a quantidade de dados de entrada, pois isso impede que o modelo fique sobrecarregado de informações irrelevantes.

Para reconhecer padrões de ocorrência que se repetem em determinados conjuntos de dados, como, por exemplo, padrões de consumo, é usado o método de data mining denominado associação.