Carregando...
Carregando...
As árvores de decisão são uma das ferramentas mais poderosas e populares dentro do aprendizado de máquina para tarefas de classificação e regressão. Elas trabalham dividindo o espaço de dados em regiões menores e mais manejáveis baseadas em perguntas sucessivas sobre os atributos dos dados. Este processo de "dividir para conquistar" permite que o modelo lide com complexidades nos dados, mantendo ao mesmo tempo uma alta interpretabilidade para os usuários finais.
Considerando a natureza interativa e divisiva das árvores de decisão, qual das seguintes opções melhor descreve a maneira como uma árvore de decisão realiza a classificação de um novo registro?
Explique melhor esta questão
Abre o Tutor com o enunciado e as alternativas já no campo — você revisa e envia.
Esta questão foi verificada por um de nossos administradores.
JUSTIFICATIVA
As árvores de decisão classificam novos registros navegando do nó raiz até um nó folha, fazendo uma série de perguntas sobre os atributos do registro. Cada pergunta bifurca o caminho baseado na resposta, até que se chegue a uma folha que determina a classificação. Esta abordagem permite que as árvores de decisão lidem eficientemente com dados complexos, oferecendo uma interpretação clara do processo de decisão.
As demais alternativas estão incorretas, pois: Uma única pergunta não seria suficiente para lidar com a complexidade dos dados; Comparar com cada exemplo do conjunto de treinamento é uma descrição do algoritmo dos k-vizinhos mais próximos, não de árvores de decisão; Utilizar uma fórmula matemática complexa descreve melhor os métodos de aprendizado de máquina baseados em modelos estatísticos ou algoritmos como redes neurais, não árvores de decisão; Atribuir uma classificação baseada na moda dos rótulos do conjunto de treinamento não descreve um processo decisório, mas sim um método de classificação baseado em votação majoritária, que não reflete o funcionamento das árvores de decisão.