Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2024

Engenharia de SoftwareInteligencia Artificial
Código
ce167055
Banca
CESPE / CEBRASPE
Órgão
ANATEL
Ano
2024
Nível
Superior
Cargo
Especialista em Regulação de Serviços Públicos de Telecomunicações – Especialidade: Ciências de Dados
Julgue o próximo item, relativo a Naive Bayes e random forest.Tamanho do nó, número de árvores e número de recursos amostrados, ou número de preditores amostrados, são parâmetros de algoritmos random forest.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Random Forest: Parâmetros Típicos

✅ CERTO. A afirmação está correta: tamanho do nó (ex.: min_samples_split ou max_depth), número de árvores (n_estimators) e número de recursos/preditores amostrados (max_features) são, de fato, parâmetros (hiperparâmetros) comuns em algoritmos de Random Forest. O Random Forest é um método de ensemble baseado em bagging que constrói múltiplas árvores de decisão, e esses parâmetros controlam a complexidade e a aleatoriedade do modelo.

A banca cobra o conhecimento básico de quais são os hiperparâmetros típicos de um Random Forest. Não há armadilha: a lista apresentada está correta.

Parâmetro

Descrição

Função no Random Forest

Tamanho do nó

min_samples_split ou max_depth

Controla a profundidade mínima/máxima das árvores, evitando overfitting

Número de árvores

n_estimators

Define quantas árvores de decisão serão construídas no ensemble

Número de recursos amostrados

max_features

Determina quantos preditores são considerados em cada divisão do nó

✅ CERTO

Link permanente: /questoes/ce167055