Answered

O Sistersinspirit.ca facilita a busca por soluções para todas as suas perguntas com a ajuda de uma comunidade ativa. Descubra soluções abrangentes para suas perguntas de profissionais experientes em diversas áreas em nossa plataforma. Explore nossa plataforma de perguntas e respostas para encontrar respostas detalhadas de uma ampla gama de especialistas em diversas áreas.

O ambiente on-line utiliza diversas técnicas e ferramentas para aprender sobre o comportamento do usuário na web, com o objetivo de fornecer respostas mais próximas das preferências das pessoas que utilizam esse ambiente. Suponha que você é um especialista em IA e sua empresa foi contratada para efetuar assessoria em uma campanha política. A equipe do candidato quer que sua empresa desenvolva um sistema que realize previsões das chances de o candidato vencer a eleição, dentro de determinados cenários. Seu chefe resolveu utilizar técnicas de IA no sistema e, estudando o assunto, verificou que poderia utilizar as técnicas de regressão linear ou de rede neural artificial (RNA) para efetuar as previsões. Assim, solicitou que você apresente as seguintes sugestões: a) Elaborar uma pesquisa e efetuar a análise das duas técnicas. Fazer, no mínimo, 5 questões sobre cada uma delas. b) Quais tipos de dados devem ser utilizados na entrada do sistema? c) Qual será o tipo de saída? d) Qual método deve ser utilizado? Justifique. e) Informar se o sistema demandaria poder de processamento e de memória.

Sagot :

Resposta:

a) Após a realização da pesquisa e analisando as duas técnicas, constatou-se que:

Regressão linear

1) Depende do conhecimento prévio do relacionamento entre a entrada e a saída.

2) É simples de implementar e fácil de treinar.

3) Muito útil quando existem grandes quantidades de atributos; outros métodos tendem ao overfitting.

4) Por sua natureza, analisa apenas relações lineares entre a entrada e a saída.

5) Tem um modelo fácil de interpretar.

Rede neural

1) Não dependem de nenhum conhecimento prévio entre a entrada e a saída.

2) Necessitam de muita informação para conseguir modelar o relacionamento entre a entrada e a saída.

3) Conseguem tratar sistemas não lineares.

4) Têm grandes variedade de arquiteturas.

5) Desempenho sensível aos parâmetros da RNA, tais como: número de neurônios, número de camadas, tipo de função de ativação, etc.

b) Os tipos de dados de entrada seriam a série histórica das pesquisas com a participação do nome ou não do candidato. A utilização de pesquisas sem o nome do candidato seria para o sistema aprender sobre o comportamento dos eleitores.

c) A saída teria duas informações: a probabilidade de o candidato vencer e o intervalo de confiança da previsão.

d) Como técnica, devemos utilizar a RNAs. Essa tarefa de previsão tem relacionamentos não lineares porque são baseadas no comportamento de grupos de pessoas e, também, podem acontecer mudanças inesperadas nos dados de entrada devido a situações peculiares que acontecem em uma campanha eleitoral. Assim, a RNA é a melhor solução, pois pode generalizar melhor e, além disso, não há necessidade de interpretar o modelo.

e) Os algoritmos RNA exigem muito esforço computacional e muita memória, mas como serão tarefas off-line não há problema com o tempo de processamento.

Explicação:

Esperamos que esta informação tenha sido útil. Sinta-se à vontade para voltar a qualquer momento para obter mais respostas às suas perguntas e preocupações. Esperamos que isso tenha sido útil. Por favor, volte sempre que precisar de mais informações ou respostas às suas perguntas. Suas perguntas são importantes para nós. Continue voltando ao Sistersinspirit.ca para mais respostas.