TI - Ciência de Dados e Inteligência Artificial · CESGRANRIO · 2024 | Questão sqc-cg057881

TI - Ciência de Dados e Inteligência ArtificialAlgoritmos de Machine Learning (Classificação, Regressão e Clusterização)

Código: cg057881
Banca: CESGRANRIO
Órgão: IPEA
Ano: 2024

Cargo: TPP ( )

A biblioteca Scikit-Learn emprega o algoritmo Classification And Regression Tree (CART) para treinar Árvores de Decisão. O algoritmo CART baseia-se na recursividade e na estratégia de divisão binária para construir uma árvore de decisão. Inicialmente, a árvore é representada por um único nó, que contém todos os dados de treinamento. A cada passo, o algoritmo busca a melhor maneira de dividir o conjunto de dados. A recursividade continua até que uma condição de parada seja atendida, como atingir uma profundidade máxima da árvore. Uma vez construída a árvore, a fase de predição ocorre ao percorrer a estrutura da árvore de acordo com as condições estabelecidas nos nós, levando a uma predição (inferência) para uma determinada entrada. Considerando-se que n corresponde ao número de features e m ao número de instâncias, qual é a complexidade computacional assintótica de predição para árvores de decisão treinadas com o algoritmo CART?

AO(m)
BO(m2)
CO $n\times m\, log (m)$
DO $n^2 \times m \, log(m)$
EO(log_2(m))

Questão de TI - Ciência de Dados e Inteligência Artificial — Algoritmos de Machine Learning (Classificação, Regressão e Clusterização) — CESGRANRIO 2024