Question

Aprendizado de Máquinas - Semana 4 Parte 2/2
PERGUNTA 5
Com relação a Máquinas de Vetores de Suporte (SVMs), indique a alternativa correta quanto à definição de A e B na Figura 1:
gráfico cartesiano composto pelos eixos x (horizontal) e y (vertical) com fundo azul claro e linhas em branco. Área do gráfico demarcado por 3 linhas diagonais brancas A e B tracejadas separadas por uma linha sólida. Próximo aos eixos, e à esquerda da linha A há 18 círculos vermelhos e um deles está sobre a linha. Mais distante dos eixos, e à direita da linha B, há 25 círculos azuis e apenas um deles sobre a linha.

Figura 1.
A e B apresentam distâncias entre os dados e o hiperplano que passa pelo ponto 0,0 do plano cartesiano, e por isso são chamados de vetores de suporte.
A e B são chamados de vetores de suporte, pois determinam a margem da fronteira de decisão entre as classes azul e vermelha.
Considerando que A e B atingem a maior distância em relação ao ponto 0,0 do plano cartesiano, eles são chamados de vetores de suporte.
O ponto A representa a distância do dado da classe vermelha até o hiperplano e é chamado de vetor inferior. O ponto B representa a distância do dado da classe azul até o hiperplano e é chamado de vetor superior.
A e B são chamados de vetores do plano, pois apresentam distâncias dos dados até o hiperplano que passa pelo ponto 0,0 do plano cartesiano.

PERGUNTA 6

Indique a alternativa correta sobre o conjunto de dados apresentado na figura 1:
gráfico composto pelos eixos x1 (horizontal) e x2 (vertical) em que estão dispostos 6 triângulos com preenchimento preto agrupados na região central do gráfico e ao redor desses triângulos estão posicionados de maneira dispersa 12 círculos vazados com contorno preto.
Figura 1
Fonte: Faceli et al. (2021)
O conjunto de dados não é linearmente separável, sendo necessário utilizar o truque de kernel para realizar a classificação.
O conjunto de dados tem uma distribuição aproximadamente linear, podendo usar SVM de margens suaves que tolera a presença de alguns ruídos e outliers.
O conjunto de dados é linearmente separável, podendo usar SVM de margens suaves que tolera a presença de alguns ruídos e outliers.
O conjunto de dados é linearmente separável, podendo usar SVMs lineares com margens rígidas.
O conjunto de dados tem uma distribuição aproximadamente linear podendo usar SVMs lineares com margens rígidas.

PERGUNTA 7
Indicar a alternativa que apresenta características de SVMs com margens rígidas:
A fronteira de decisão é sempre a mesma, e os dados podem ser modificados para se ajustar à fronteira rígida.
Possuem restrições impostas de maneira a assegurar que não haja dados de treinamento entre as margens de separação das classes.
Permite a ocorrência de ruídos ou outliers em caso de problemas que podem ser não lineares.

I e III, apenas.
I, apenas.
I e II, apenas.
III, apenas.
II, apenas.

PERGUNTA 8
Escolha a alternativa que relaciona corretamente cada tipo de Máquinas de Vetores de Suporte (SVMs) com a sua respectiva característica:
1. SVMs com margens suaves.
2. SVMs com margens rígidas.
3. SVMs para problemas de regressão.
I. Esse tipo de SVM tenta encontrar uma função linear (fronteira de decisão) na qual os dados de treinamento fiquem próximos, ao redor da fronteira de decisão.
II. Esse tipo de SVM define fronteiras de decisão lineares entre dados que são linearmente separáveis.
III. Esse tipo de SVM permite que alguns dados possam violar a fronteira de decisão.
1 - III; 2 - II; 3 – I
1 - III; 2 - I; 3 - II
1 - II; 2 - III; 3 - I
1 - I; 2 - III; 3 - II
1 - I; 2 - II; 3 - III

Answer 1

Resposta:

Pergunta 5 - A e B são chamados de vetores de suporte, pois determinam a margem da fronteira de decisão entre as classes azul e vermelha.

Pergunta 6 - O conjunto de dados não é linearmente separável, sendo necessário utilizar o truque de kernel para realizar a classificação.

Pergunta 7 - II, apenas.

Pergunta 8 - 1 - III; 2 - II; 3 – I

Explicação: 10/10