As máquinas de vetores de suporte (SVM) são um conjunto de
métodos de aprendizado usados para tratar problemas de
classificação, regressão e detecção de outliers. Considerando as
vantagens e desvantagens do uso do SVM no python 3.0 através
da biblioteca scikit learn (versão 1.7.2), avalie se as afirmativas a
seguir são verdadeiras (V) ou falsas (F).( ) Como vantagem, as SVM são eficazes em espaços de alta
dimensionalidade e eficaz nos casos em que o número de
dimensões é maior que o número de amostras.
( ) Como desvantagem, as SVM utilizam um subconjunto de
pontos de treinamento na função de decisão, sendo, portanto,
sendo pouco eficiente em termos de uso de memória.
( ) Como desvantagem, se o número de características for muito
maior que o número de amostras, evitar o sobreajuste na
escolha das funções Kernel e do termo de regularização é
crucial.
( ) Como vantagem, as SVMs fornecem estimativas de
probabilidade diretamente; estas são calculadas usando uma
validação cruzada de muitas partes que é um processo
dispendioso.
As afirmativas são, respectivamente,

Question

As máquinas de vetores de suporte (SVM) são um conjunto de
métodos de aprendizado usados para tratar problemas de
classificação, regressão e detecção de outliers. Considerando as
vantagens e desvantagens do uso do SVM no python 3.0 através
da biblioteca scikit learn (versão 1.7.2), avalie se as afirmativas a
seguir são verdadeiras (V) ou falsas (F).( ) Como vantagem, as SVM são eficazes em espaços de alta
dimensionalidade e eficaz nos casos em que o número de
dimensões é maior que o número de amostras.
( ) Como desvantagem, as SVM utilizam um subconjunto de
pontos de treinamento na função de decisão, sendo, portanto,
sendo pouco eficiente em termos de uso de memória.
( ) Como desvantagem, se o número de características for muito
maior que o número de amostras, evitar o sobreajuste na
escolha das funções Kernel e do termo de regularização é
crucial.
( ) Como vantagem, as SVMs fornecem estimativas de
probabilidade diretamente; estas são calculadas usando uma
validação cruzada de muitas partes que é um processo
dispendioso.
As afirmativas são, respectivamente, Alternativa A: V – V – V – F. Ou Alternativa B: V – F – V – F. Ou Alternativa C: V – V – F – V. Ou Alternativa D: F – V – F – V. Ou Alternativa E: F – V – F – F.

Qconcursos · Accepted Answer

Alternativa [B] V – F – V – F. Gabarito: BFundamento decisivo: O decisivo era comparar as assertivas com a lista de vantagens e desvantagens de SVM na documentação do scikit-learn citada na base. Essa comparação fixa a sequência em V – F – V – F, o que conduz ao gabarito B.Tema central: vantagens e desvantagens de SVMAnálise das alternativasAErradaEstá errada porque considera verdadeira a 2ª assertiva. A documentação afirma que o uso de um subconjunto de pontos de treino na função de decisão torna a SVM memory efficient; a assertiva inverte esse efeito ao dizer que isso a torna pouco eficiente em memória.BCertaA alternativa B está certa porque corresponde à sequência sustentada pela documentação do scikit-learn: a 1ª assertiva é verdadeira, pois SVM é eficaz em espaços de alta dimensionalidade e também quando o número de dimensões supera o de amostras; a 2ª é falsa, porque usar um subconjunto dos pontos de treinamento na função de decisão é tratado como fator de eficiência de memória, não de ineficiência; a 3ª é verdadeira, porque a necessidade de evitar sobreajuste na escolha do kernel e do termo de regularização, quando há muito mais características que amostras, aparece como desvantagem/cautela explícita; e a 4ª é falsa, porque SVM não fornece estimativas de probabilidade diretamente, já que elas dependem de validação cruzada dispendiosa.CErradaEstá errada porque marca como verdadeiras a 2ª e a 4ª assertivas. A 2ª contraria a documentação ao transformar eficiência de memória em ineficiência, e a 4ª contraria a documentação ao afirmar fornecimento direto de probabilidades, quando estas exigem validação cruzada dispendiosa.DErradaEstá errada porque torna falsa a 1ª assertiva, embora a documentação diga expressamente que SVM é eficaz em alta dimensionalidade e quando o número de dimensões é maior que o número de amostras. Também erra ao tornar verdadeira a 4ª assertiva, que está invertida quanto às estimativas de probabilidade.EErradaEstá errada porque torna falsa a 1ª assertiva, em confronto direto com a documentação, que lista justamente essa característica como vantagem da SVM.Pegadinha da questãoA questão explora inversões de polaridade: na 2ª assertiva, um fato verdadeiro termina com conclusão oposta sobre memória; na 4ª, a menção correta à validação cruzada dispendiosa vem acompanhada da afirmação errada de que a probabilidade é fornecida diretamente.Dica para questões semelhantesQuando a questão citar vantagens e desvantagens de uma técnica em documentação oficial, confira se a assertiva não trocou o sinal da consequência prática do atributo descrito.Em SVM do scikit-learn, 'usar subconjunto de pontos na função de decisão' deve ser associado a eficiência de memória, não ao contrário.Se a assertiva disser que SVM fornece probabilidade diretamente, desconfie: a base indica que isso depende de validação cruzada e não é fornecido de forma direta pelo método base.

As máquinas de vetores de suporte (SVM) são um conjunto de ...

Gabarito comentado

Gabarito: B

Clique para visualizar este gabarito

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas