Considere um cenário em que se deseja prever o valor de imóveis a partir de características como área, localização e número de quartos, utilizando um conjunto de dados históricos contendo o valor de venda de cada imóvel. Nesse caso, o problema e o tipo de modelo mais adequados são, respectivamente:

Em um problema de classificação binária, considere os seguintes contadores da matriz de confusão: VP (Verdadeiros Positivos), FP (Falsos Positivos), FN (Falsos Negativos) e VN (Verdadeiros Negativos).
A alternativa que apresenta, respectivamente, as fórmulas corretas de Precisão e Recall é

Considere as seguintes afirmativas sobre algoritmos e técnicas utilizadas em aprendizado não supervisionado, especialmente no contexto de clusterização:
I. K-Means, DBSCAN e Gaussian Mixture Models (GMM) são métodos amplamente empregados para tarefas de clusterização, embora se baseiem em pressupostos estatísticos e geométricos distintos.
II. DBSCAN e Mean-Shift são algoritmos que não exigem a definição prévia do número de clusters, pois os identificam implicitamente, a partir da densidade dos dados ou da estimação de modos da distribuição.
III. Critérios de informação como Akaike Information Criterion (AIC) e Bayesian Information Criterion (BIC), bem como heurísticas como o método do Elbow, são utilizados como técnicas auxiliares para apoiar a escolha do número adequado de clusters em determinados algoritmos.
É (são) verdadeira(s) a(s) alternativa(s):

Um exemplo de algoritmo de aprendizado de máquina que tenta, por padrão, maximizar as verossimilhanças condicionais do treinamento é o

Em aprendizado de máquina supervisionado, o fenômeno overfitting ocorre quando o modelo apresenta

Durante uma auditoria fiscal baseada em análise de dados, foram examinadas 20 observações das variáveis X e Y, nas quais X representa uma variável econômica declarada pelo contribuinte e Y, um indicador fiscal associado. A partir da base de dados, obtiveram-se as seguintes somatórias: ΣX = 4, ΣY = 9, ΣX² = 42, ΣX² = 80 e ΣXY = -20. Com base nessas informações, na análise de correlação e regressão linear simples de Y em função de X, conclui-se que

Em um procedimento de fiscalização trabalhista–tributária, uma empresa informa que, no departamento administrativo, a média salarial é de 2,5 salários mínimos e a mediana salarial é de 1,5 salários mínimos. Com base exclusivamente nessas informações e nos conceitos estatísticos aplicáveis, pode-se afirmar que

Estão sendo analisados 1.000 formulários de pedidos de compra registrados por contribuintes sujeitos à fiscalização estadual. Erros nesses formulários podem gerar inconsistências fiscais e comprometer a conformidade tributária. A administração tributária admite, como parâmetro de controle, que a proporção máxima aceitável de formulários com erros seja de 5%. Durante a auditoria, constatou-se que 7% dos formulários analisados apresentavam erros. Considerando-se esses dados,

Em um município, 20% das empresas encontram-se em situação irregular. Uma ação de fiscalização possui sensibilidade de 95%, ou seja, identifica corretamente 95% das empresas irregulares. Por outro lado, 15% das empresas regularizadas são erroneamente classificadas como irregulares. Considerando essas informações, a probabilidade de uma empresa classificada como irregular pela fiscalização estar, de fato, em situação irregular é de, aproximadamente,

Em uma pesquisa, cada pessoa responde “sim” ou “não” a uma pergunta.
Define-se uma variável I assim:
I = 1, se a resposta for “sim”; 
I = 0, se a resposta for “não”.
Se a probabilidade de uma pessoa responder “sim” é p, então a variância de I é dada por Var(I) = p(1 − p).
Sabe-se que Var(I) = 0,21 e que p > 0,5.
O valor de p é: