Questão de Algoritmos e Estrutura de Dados — Algoritmos — CESPE / CEBRASPE 2024
Algoritmos e Estrutura de Dados›Algoritmos
Código
ce185160
Banca
CESPE / CEBRASPE
Órgão
SEBRAE-NACIONAL
Ano
2024
Nível
Superior
Cargo
Analista Técnico II – Cientista de Dados
A respeito dos diferentes tipos de algoritmos naive Bayes, assinale a opção correta.
ANo multinomial naive Bayes a média e a variância dos atributos são estimadas para cada classe a partir dos dados de treinamento.
BO bernoulli naive Bayes representa as frequências com as quais certos eventos foram gerados por uma distribuição normal.
COs feature vectors do Bernoulli naive Bayes são geralmente contagens de eventos ou frequências.
DNo gaussian naive Bayes, assume-se que os valores contínuos associados a cada recurso são distribuídos de acordo com uma distribuição normal.
Revelar gabarito e comentário▾
GabaritoD — No gaussian naive Bayes, assume-se que os valores contínuos associados a cada recurso são distribuídos de acordo com uma distribuição normal.
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”.
Algoritmos Naive Bayes
Gabarito: letra D. No Gaussian Naive Bayes, assume-se que os valores contínuos de cada recurso seguem uma distribuição normal (gaussiana) para cada classe. As demais alternativas confundem as premissas dos diferentes tipos de Naive Bayes.
Naive Bayes: Gaussian (Atributos contínuos, Distribuição normal, Estima média e variância por classe); Multinomial (Atributos: contagens/frequências, Distribuição multinomial); Bernoulli (Atributos binários (0/1), Distribuição Bernoulli, Presença/ausência do evento)
Alternativa A — ❌ Incorreta
Afirma que no Multinomial Naive Bayes a média e a variância dos atributos são estimadas para cada classe. Na verdade, essa é a premissa do Gaussian Naive Bayes, que lida com atributos contínuos e assume distribuição normal. O Multinomial Naive Bayes trabalha com contagens (frequências) e assume uma distribuição multinomial, sem estimar média e variância.
Alternativa B — ❌ Incorreta
Diz que o Bernoulli Naive Bayes representa frequências geradas por uma distribuição normal. O Bernoulli Naive Bayes é usado para dados binários (presença/ausência) e assume distribuição Bernoulli, não normal. A descrição de frequências com distribuição normal corresponde ao Gaussian Naive Bayes.
Alternativa C — ❌ Incorreta
Afirma que os vetores de características do Bernoulli Naive Bayes são contagens de eventos ou frequências. No Bernoulli, os vetores são binários (0 ou 1) indicando se um evento ocorre ou não. As contagens são típicas do Multinomial Naive Bayes.
Alternativa D — ✅ Correta ⟵ GABARITO
Afirma que no Gaussian Naive Bayes assume-se que os valores contínuos de cada recurso são distribuídos de acordo com uma distribuição normal. Isso está correto: para cada classe, o modelo estima a média e a variância de cada característica e usa a função densidade de probabilidade da normal para calcular a verossimilhança. Essa é a definição clássica do Gaussian Naive Bayes.
Gabarito: letra D — a única afirmação correta sobre os tipos de Naive Bayes.