Questão FC369818
Ao se utilizar bancos de dados reais no treinamento de métodos de aprendizado de máquina é normal se deparar com entradas que possuem um ou mais parâmetros (campos) ausentes. Com r
Bancos de Dados Dimensionais
FGV · 2024
Ao se utilizar bancos de dados reais no treinamento de métodos de aprendizado de máquina é normal se deparar com entradas que possuem um ou mais parâmetros (campos) ausentes.
Com relação às estratégias para lidar com dados ausentes, analise as afirmativas a seguir.
I. Só é possível realizar imputation quando o atributo (feature) ausente é numérico.
II. Ao utilizar o k-nearest neighbors (KNN) para fazer o imputation é uma boa estratégia primeiro fazer a normalização ou padronização dos dados.
III. Ao se trabalhar com bancos de dados com poucas amostras (itens), uma estratégia usualmente utilizada para lidar com as amostras) que possuem valores ausentes é a remoção.
Está correto o que se afirma em
- I, apenas.
- II, apenas.
- III, apenas.
- I e II apenas.
- I, II e III.
Mostrar resposta e comentário
Gabarito
B
Comentário do professor
Ao usar k-nearest neighbors para imputation, é recomendável primeiro aplicar normalização ou padronização.
O KNN determina vizinhos por uma medida de distância (ex.: euclidiana), que é sensível à escala das variáveis: atributos com escala maior dominam a distância e distorcem a seleção dos vizinhos.
A normalização (ex.: \( (x-\min)/( \max-\min)\)) coloca os valores em uma mesma faixa, enquanto a padronização (z-score: \( (x-\mu)/\sigma\)) centraliza e ajusta pela variabilidade. A escolha depende de presença de outliers e da interpretação desejada.
Se houver variáveis categóricas ou mistas, considere pré-processamento adequado (codificação ou distância de Gower), pois o benefício da normalização/padronização vale principalmente para variáveis numéricas usadas no cálculo de distância.
Conteúdo do catálogo FC Concursos · Atualizado em