Alternativa correta: D - Distância de Levenshtein.

Tema central da questão: A questão aborda o conceito de feature scaling, ou escalonamento de características, uma prática comum no pré-processamento de dados para garantir que todas as variáveis contribuam igualmente para o modelo de análise de dados. Isso é essencial em algoritmos de aprendizado de máquina, como aqueles disponíveis na biblioteca Scikit Learn do Python.

Resumo teórico: Feature scaling é crucial para normalizar dados e evitar que variáveis com grandes amplitudes dominem o modelo de aprendizado. Métodos comuns incluem Min-Max Scaling, que ajusta os dados para um intervalo entre [0, 1], e padronização (Z-Score), que transforma os dados em relação à média e desvio padrão. Outros métodos incluem o Maximum Absolute Scaling, que divide cada elemento pelo valor absoluto máximo, e o Robust Scaling, que é menos sensível a outliers.

Justificativa da alternativa correta: A Distância de Levenshtein não é um método de feature scaling. Ela é uma medida de similaridade utilizada principalmente para calcular a diferença entre duas sequências de caracteres, sendo amplamente aplicada em processamento de texto, não em escalonamento de dados numéricos.

Análise das alternativas incorretas:

A - Min-Max Scaling: Este é um método de feature scaling que normaliza os dados para um intervalo de [0, 1].

B - Padronização (Z-Score): Também um método de escalonamento, este processo transforma os dados para que tenham uma média de 0 e desvio padrão de 1.

C - Maximum Absolute Scaling: Normaliza os dados dividindo-os pelo valor absoluto máximo em cada característica, garantindo que os dados estejam em um intervalo coerente.

E - Robust Scaling: Esse método utiliza a mediana e os quartis, sendo mais robusto a outliers, e também é um método de feature scaling.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

d-

Levenshtein distance nao se trata de feature scaling; é uma medida de distancia entre 2 sequencias

Die Levenshtein-Distanz zwischen zwei Zeichenketten ist die minimale Anzahl einfügender, löschender und ersetzender Operationen, um die erste Zeichenkette in die zweite umzuwandeln

https://de.wikipedia.org/wiki/Levenshtein-Distanz