Acerca das regras de associação e do aprendizado não supervisionado por meio da biblioteca Scikit-learn do Python, assinale a opção correta. A) No algoritmo Apriori, parâmetros como suporte mínimo e confiança são fundamentais para filtrar e determinar a relevância das regras geradas. B) Regras de associação são aplicáveis nos modelos de aprendizado supervisionado e somente em um modelo de aprendizado não supervisionado. C) O aumento dos valores de suporte mínimo e confiança no algoritmo Apriori tende a aumentar o número de regras geradas. D) O Scikit-learn possui implementação nativa para a extração de regras de associação com base no algoritmo Apriori. E) A métrica lift é utilizada apenas para calcular a frequência dos itens no conjunto de dados, de modo que não é útil para avaliar a relevância das regras geradas.

E) A métrica lift é utilizada apenas para calcular a frequência dos itens no conjunto de dados, de modo que não é útil para avaliar a relevância das regras geradas.

Questões Engenharia de Software

Acerca das regras de associação e do aprendizado não supervisionado por meio da bibliot...

Responda: Acerca das regras de associação e do aprendizado não supervisionado por meio da biblioteca Scikit-learn do Python, assinale a opção correta.

1Q983480 | Engenharia de Software, Analista de Sistemas, CAESBDF, CESPE CEBRASPE, 2025

Acerca das regras de associação e do aprendizado não supervisionado por meio da biblioteca Scikit-learn do Python, assinale a opção correta.

✂️ a) No algoritmo Apriori, parâmetros como suporte mínimo e confiança são fundamentais para filtrar e determinar a relevância das regras geradas.
✂️ b) Regras de associação são aplicáveis nos modelos de aprendizado supervisionado e somente em um modelo de aprendizado não supervisionado.
✂️ c) O aumento dos valores de suporte mínimo e confiança no algoritmo Apriori tende a aumentar o número de regras geradas.
✂️ d) O Scikit-learn possui implementação nativa para a extração de regras de associação com base no algoritmo Apriori.
✂️ e) A métrica lift é utilizada apenas para calcular a frequência dos itens no conjunto de dados, de modo que não é útil para avaliar a relevância das regras geradas.