Questão FC266287
O desempenho de muitos algoritmos de aprendizado de máquina degrada para variáveis que têm distribuições de probabilidade não padrão. Uma abordagem é usar a transformação da variáv
Questões sem classificação de assunto (TI - Desenvolvimento de Sistemas)
IDECAN · 2024
O desempenho de muitos algoritmos de aprendizado de máquina degrada para variáveis que têm distribuições de probabilidade não padrão. Uma abordagem é usar a transformação da variável numérica para ter uma distribuição de probabilidade discreta, onde cada valor numérico é atribuído a um rótulo e os rótulos têm uma relação ordenada (ordinal). Assinale a alternativa que apresenta a função da biblioteca sklearn para discretização de dados.
- LinearRegression().
- KBinsDiscretizer().
- cut().
- det().
Mostrar resposta e comentário
Gabarito
B
Comentário do professor
KBinsDiscretizer é a classe do sklearn destinada a transformar variáveis numéricas contínuas em variáveis discretas (bins), atribuindo a cada intervalo um rótulo ordinal. Isso é útil quando se quer converter distribuições não padrão em categorias ordenadas para modelos que toleram melhor entradas discretas.
Principais parâmetros: n_bins (número de intervalos por feature), strategy ('uniform' = largura igual, 'quantile' = mesma frequência, 'kmeans' = agrupamento por k-means) e encode (forma de saída: 'ordinal', 'onehot', etc.).
Uso típico: instantiate, fit nos dados e transform ou fit_transform. Com encode='ordinal' os rótulos vão para \(0,\dots,n\_bins-1\). A classe também oferece inverse_transform para aproximar os valores originais a partir dos bins.
Conteúdo do catálogo FC Concursos · Atualizado em