Gabarito Comentado:

Alternativa Correta: C - Certo

Explicação do Tema:

A questão aborda algoritmos de Machine Learning (ML) supervisionados, especificamente o uso da regressão linear. Este é um conceito fundamental para o cargo de Analista de Desenvolvimento, pois envolve técnicas de previsão e análise de dados, habilidades cruciais para resolver problemas e otimizar sistemas.

Resumo Teórico:

A regressão linear é um método estatístico usado para prever o valor de uma variável dependente contínua com base em uma ou mais variáveis independentes. Em ML, é um algoritmo supervisionado, o que significa que ele usa um conjunto de dados rotulados para aprender a realizar previsões.

Os modelos de regressão linear ajustam uma linha reta (ou hiperplano) aos dados que minimiza a soma dos erros quadráticos, permitindo prever novos valores. Essa técnica é amplamente utilizada em diversas áreas, como economia, finanças e ciência de dados, devido à sua simplicidade e eficácia.

Justificativa da Alternativa Correta:

A alternativa C está correta porque descreve com precisão o objetivo dos algoritmos de regressão linear em ML: prever uma variável dependente contínua utilizando variáveis independentes. Esta definição está alinhada com a teoria estatística e o funcionamento dos modelos de regressão linear supervisionados.

Fontes Relevantes: O conceito de regressão linear é amplamente documentado em livros de estatística e machine learning, como "Pattern Recognition and Machine Learning" de Christopher Bishop, e "An Introduction to Statistical Learning" de Gareth James e outros.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

A análise de regressão é um método estatístico para modelar a relação entre uma variável dependente (alvo) e independente (preditor) com uma ou mais variáveis independentes. Mais especificamente, a análise de regressão nos ajuda a entender como o valor da variável dependente está mudando correspondente a uma variável independente quando outras variáveis independentes são mantidas fixas.

A regressão linear faz previsões para variáveis contínuas/reais ou numéricas, como vendas, salário, idade, preço do produto, etc.

Certo!

Regressão: É uma técnica supervisionada usada quando a saída é um valor contínuo (ex: previsão de temperatura, preço de um imóvel, etc.). O objetivo da regressão é justamente modelar a relação entre variáveis independentes (input) e a variável dependente (output).

O único problema é lembrar todas as terminologias diferentes para a mesma coisa, ou ainda suas versões em inglês.

As variáveis independentes são a entrada. Elas são independentes porque, à princípio, não possuem relação entre elas, sendo identificadores necessários. Ex: altura: 30cm; nº de patas: 2; voa: não. São características que identificam a entrada.

A(s) variável(is) dependente(s) têm esse nome por depender das variáveis de entrada. A saída de uma categorização desses dados de entrada seria a classe "galinha", que é uma variável dependente das variáveis fornecidas na entrada.

Lembrando...

Regressão linear = técnica de regressão

Regressão logística = técnica de classificação, embora tenha o nome "regressão"

Certo

BIZU

• Se a resposta for uma categoria → Classificação
• Se a resposta for um valor contínuo → Regressão