Carregando...
Carregando...
Ajude a melhorar a plataforma
A geração de regras no aprendizado de máquina pode ser feita tanto de forma supervisionada quanto semi-supervisionada, dependendo da disponibilidade de rótulos nos dados. Regras supervisionadas se baseiam nos exemplos rotulados, enquanto métodos semi-supervisionados podem explorar informações de exemplos não rotulados para melhorar as regras. Essa flexibilidade torna a abordagem útil em diferentes contextos, mas exige cuidado para balancear a precisão com a simplicidade das regras.
Com relação a este contexto e sobre o conteúdo estudado, analise as asserções a seguir e a relação proposta entre elas:
I. O algoritmo de cobertura constrói regras iterativamente até que todos os exemplos positivos sejam cobertos.
PORQUE II. O algoritmo de cobertura remove exemplos negativos a cada iteração para evitar que as regras aprendidas se tornem excessivamente específicas.
A respeito dessas asserções assinale a alternativa correta.
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.
Alternativa A - A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
Algoritmos baseados em regras, como o algoritmo de cobertura (também conhecido como separate-and-conquer), são usados para induzir regras lógicas que descrevem classes de dados.
No algoritmo de cobertura, o objetivo é criar uma regra que cubra um subconjunto de exemplos positivos e nenhum (ou poucos) exemplos negativos. Uma vez que uma regra é criada e os exemplos positivos cobertos por ela são identificados, esses exemplos são removidos do conjunto de dados original e o processo se repete para os exemplos restantes.
| Asserção | Veracidade | Justificativa | | :--- | :--- | :--- | | I. O algoritmo constrói regras até cobrir todos os positivos. | Verdadeira | Este é o critério de parada padrão do método de cobertura: exaurir os exemplos da classe de interesse. | | II. O algoritmo remove exemplos negativos a cada iteração. | Falsa | O algoritmo remove os exemplos positivos já cobertos. Os exemplos negativos permanecem para garantir que as próximas regras geradas não sejam excessivamente genéricas (não cubram o que não devem). |
A primeira parte descreve corretamente o funcionamento iterativo do algoritmo. A segunda parte está incorreta porque a remoção ocorre sobre os exemplos positivos processados, e não sobre os negativos.
Alternativa A.