Questão FC296060
Uma equipe de ciência de dados está trabalhando na construção de um modelo preditivo utilizando um grande conjunto de dados. Durante esse processo, os cientistas de dados estão rea
Questões sem classificação de assunto (TI - Banco de Dados)
CESGRANRIO · 2024
Uma equipe de ciência de dados está trabalhando na construção de um modelo preditivo utilizando um grande conjunto de dados. Durante esse processo, os cientistas de dados estão realizando o feature engineering para criar e selecionar as variáveis mais relevantes, além de aplicar técnicas de divisão de dados para garantir a eficácia e a generalização do modelo. Considerando-se esse contexto, qual combinação de técnicas maximizará a performance do modelo?
- A aplicação de técnicas de criação de features, como a interação entre variáveis, e em seguida a divisão do conjunto de dados em três partes: treinamento, validação e teste, utilizando 70% para treinamento, 15% para validação e 15% para teste, assegurando, com isso, que os três conjuntos sejam desbalanceados para refletir a distribuição real dos dados.
- A aplicação de transformações matemáticas, como a normalização, apenas no conjunto de teste, para evitar a distorção das variáveis de entrada, e a divisão dos dados restantes igualmente entre treinamento e validação.
- A realização da técnica de amostragem estratificada para dividir os dados entre treinamento, validação e teste, e em seguida a aplicação da transformação de raiz quadrada em todas as variáveis para aumentar a variância das features, garantindo que o modelo capture melhor os padrões nos dados.
- A realização da transformação logarítmica em todas as variáveis categóricas antes de realizar a divisão dos dados, e a garantia de que o conjunto de validação seja maior que o de treinamento para prevenir overfitting.
- A realização da seleção de features com a utilização de técnicas de análise de correlação, descartando as variáveis altamente correlacionadas, e a aplicação da divisão dos dados em conjuntos de treinamento e teste usando uma divisão 80/20, aplicando a validação cruzada (cross-validation) para ajustar os hiperparâmetros do modelo.
Mostrar resposta e comentário
Gabarito
Errado
Comentário do professor
A alternativa indica usar análise de correlação para a seleção de features, removendo variáveis altamente correlacionadas. Isso reduz multicolinearidade e redundância, simplifica o modelo e melhora interpretabilidade; uma regra prática é considerar remoção quando \(|r|\gtrsim 0{,}8\), escolhendo entre pares com base em importância ou conhecimento de domínio.
Em seguida, a divisão em treinamento/teste 80/20 preserva um conjunto representativo para avaliação final, enquanto a configuração do modelo é ajustada apenas nos dados de treino.
Por fim, aplicar validação cruzada (por exemplo, k-fold estratificado) para ajuste de hiperparâmetros garante estimativas robustas de performance e evita overfitting ao conjunto de treino; execute pré-processamento e seleção de features dentro das folds para prevenir vazamento de dados.
Conteúdo do catálogo FC Concursos · Atualizado em