FGV — Auditor de Controle Externo - Área Administrativa - Ciência de Dados — Ciência de dados e tecnologia — 2024
Banca
FGV
Órgão
TCE-PA
Prova
TCE-PA — Auditor de Controle Externo - Área Administrativa - Ciência de Dados — 2024
Ano
2024
Disciplina
Ciência de Dados
Assunto
Ciência de dados e tecnologia
Cargo
Auditor de Controle Externo - Área Administrativa - Ciência de Dados
Enunciado
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
Alternativas
A)
I, apenas.
B)
II, apenas.
C)
III, apenas.
D)
I e II apenas.
E)
I, II e III.
Gabarito e comentário
Resposta correta: B
Gabarito definitivo da FGV: alternativa B. Imputação por vizinhos mais próximos usa distâncias entre registros; sem padronização, variáveis de escala maior podem dominar a distância. A imputação também é possível para atributos categóricos com métodos adequados.
Gabarito definitivo da FGV: alternativa B. Imputação por vizinhos mais próximos usa distâncias entre registros; sem padronização, variáveis de escala maior podem dominar a distância. A imputação também é possível para atributos categóricos com métodos adequados.