Verificação de conhecimentos

Concluído

Verifique seu conhecimento

1.

Por que limpamos nossos dados antes do treinamento?

Remover linhas de dados torna nosso modelo mais poderoso.

A limpeza de dados nos ajuda a selecionar recursos que auxiliam no desempenho do modelo.

Remover linhas com erros evita que essas linhas enganem o processo de treinamento.

2.

Que tipo de dados são mais bem codificados com vetores one-hot?

Dados ordinais

Dados categóricos com dois valores possíveis

Dados categóricos com três ou mais valores

3.

O que é uma amostra de dados? O que é uma população?

Um exemplo são todos os dados possíveis que são relevantes para nós. Uma população é o subconjunto de dados que realmente temos em mãos.

População e amostra referem-se aos dados que usamos para treinar nosso modelo.

Uma população consiste em todos os dados possíveis que são relevantes para nós. Um exemplo é o subconjunto dos dados que de fato temos disponíveis.

4.

Você tem um modelo que não tem um bom desempenho. Qual dessas opções definitivamente não ajuda a melhorar seu desempenho?

Adicionando mais amostras (linhas).

Adicionar alguns recursos (colunas) que você sabe que se relacionam com o que o modelo está tentando prever.

Adicionar um grande número de recursos que você sabe que não estão relacionados ao que o modelo está tentando prever.

É necessário responder a todas as perguntas antes de verificar o trabalho.