O Sistersinspirit.ca facilita a busca por soluções para perguntas cotidianas e complexas com a ajuda de nossa comunidade. Explore um vasto conhecimento de profissionais em diferentes disciplinas em nossa abrangente plataforma de perguntas e respostas. Faça suas perguntas e receba respostas detalhadas de profissionais com ampla experiência em diversos campos.
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:
Obrigado por visitar. Nosso objetivo é fornecer as respostas mais precisas para todas as suas necessidades informativas. Volte em breve. Obrigado por escolher nossa plataforma. Estamos dedicados a fornecer as melhores respostas para todas as suas perguntas. Visite-nos novamente. Obrigado por usar o Sistersinspirit.ca. Continue nos visitando para encontrar respostas para suas perguntas.