Questão de TI - Ciência de Dados e Inteligência Artificial — Algoritmos de Machine Learning (Classificação, Regressão e Clusterização) — CESPE / CEBRASPE 2024
TI - Ciência de Dados e Inteligência ArtificialAlgoritmos de Machine Learning (Classificação, Regressão e Clusterização)
- Código
- ce403760
- Banca
- CESPE / CEBRASPE
- Órgão
- SEBRAE
- Ano
- 2024
- Cargo
- Ana Tec II ( )
O seguinte código Python utiliza o algoritmo KNN (k-nearest neighbors) para classificação, em que o parâmetro n_neighbors define o número de vizinhos que o classificador KNN irá considerar para realizar a previsão.
from sklearn.neighbors import KNeighborsClassifier
X = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)
print(neigh.predict([[1]]))
print(neigh.predict_proba([[0.9]]))
Com base no código precedente, é correto afirmar que, caso o valor de n_neighbors fosse alterado de 3 para 4, o modelo
- Anão seria capaz de classificar novos pontos de dados e retornaria ValueError: Expected n_neighbors <= n_samples_fit.
- Bpoderia resultar em empates mais frequentes, levando a previsões que dependam mais do critério de desempate do algoritmo.
- Cconsideraria todos os pontos de treinamento para qualquer nova previsão, o que levaria a resultados mais precisos.
- Dpoderia fornecer previsões mais sensíveis a mudanças pequenas no dado, com menos probabilidade de empate