Pular para o conteúdo principal

Questão de TI - Ciência de Dados e Inteligência Artificial — Algoritmos de Machine Learning (Classificação, Regressão e Clusterização) — FCC 2025

TI - Ciência de Dados e Inteligência ArtificialAlgoritmos de Machine Learning (Classificação, Regressão e Clusterização)
Código
fc150383
Banca
FCC
Órgão
TRT 15
Ano
2025
Cargo
AJ TRT15

Uma Analista está desenvolvendo um modelo de aprendizado de máquina em Python 3, em condições ideais, Após dividir o conjunto de dados em treinamento e teste, deseja criar um pipeline no scikit-learn para pré-processamento e treino do modelo. O pipeline deve lidar com variáveis categóricas utilizando OneHotEncoder e treinar um modelo de árvore de decisão com os parâmetros padrão.

 

Isso pode ser feito com base no trecho de código abaixo.

 

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import OneHotEncoder
from sklearn.tree import DecisionTreeClassifier

 

pipeline = Pipeline ([
      I

])

 

pipeline.fit (X_train, y_train)

 

A lacuna I deve ser corretamente preenchida com:

  1. A('encoder', OneHotEncoder (handle_unknown" 'error') ), ('modelo', DecisionTreeRegressor ( ) )
  2. B('encoder', OneHotEncoder (sparse = 'False') ) , ('modelo', DecisionTreeRegressor (criterion =' gini'} )
  3. C('encoder', Label_Encoder ( ) ), ('modelo', DecisionTreeClassifier ( ) )
  4. D('encoder', OneHotEncoder (handle_unknown=' ignore') ), ('modelo', DecisionTreeClassifier ( ) )
  5. E('encoder', LabelBinarizer ( ) ), ('modelo', DecisionTreeClassifier (maxdepth=) )
Revelar gabarito e comentário

GabaritoD — ('encoder', OneHotEncoder (handle_unknown=' ignore') ), ('modelo', DecisionTreeClassifier ( ) )

Link permanente: /questoes/fc150383