No desenvolvimento de uma rede neural, a manipulação adequada dos dados é fundamental para o sucesso...

Alternativa D - Utilização de One-Hot Encoding.

Introdução

Modelos de aprendizado de máquina, incluindo redes neurais, operam matematicamente sobre números. Dados categóricos (nomes, categorias) precisam ser convertidos.

Desenvolvimento

Existem duas formas principais de conversão: Label Encoding e One-Hot Encoding.

Análise

• Label Encoding: Atribui um número para cada classe (0, 1, 2). O risco é o modelo interpretar que 2 > 1 > 0 (ex: Virginica é "maior" que Setosa), o que não é verdade para categorias nominais.
• One-Hot Encoding: Cria uma coluna binária para cada categoria. Para as orquídeas, teríamos colunas [Setosa, Virginica, Versicolor]. Se for Setosa, o vetor é [1, 0, 0]. Isso elimina a falsa hierarquia numérica e é o padrão para classificação no dataset Iris em redes neurais.

Conclusão

Para garantir que o modelo trate as classes de orquídeas de forma equitativa e distinta, utiliza-se o One-Hot Encoding.

Alternativa D.