L02E01 (Cap1_livro)

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

Exercício #02
Após ler e estudar o Capítulo 1 do livro texto, responda as perguntas:
1 - O que é reconhecimento de padrões? Qual é o seu objetivo?
2 - O que são classes?
3 - O que é generalização? Quando é obtida a melhor generalização?
4 - O que são vetores de características?
5 - O que é fronteira de decisão de classes?
6 - O que é treinamento em uma rede neural artificial?
7 - O que é conjunto de treinamento?
8 - O que é classificação?
9 - O que é uma tarefa de regressão?
10 - O que é aproximação de funções?
11 - O que é estágio de pré-processamento?
12 - O que é estágio de pós-processamento?
13 - O que é extração de características?
14 - O que é conhecimento "a priori"?
15 - O que é maldição da dimensionalidade?
16 - O que é valor alvo em uma rede neural artificial?
17 - O que é soma dos erros quadráticos?
18 - O que são modelos lineares?
19 - O que é aprendizado supervisionado?
20 - O que é aprendizado não supervisionado?
21 - O que é aprendizado por reforço?
22 - O que são graus de liberdade de um modelo?
23 - O que é sub-ajuste ("under-fit)?
24 - O que é sobre-ajuste ("over-fit")?
25 - O que é erro médio quadrático?
26 - O que é polarização ("bias")?
27 - O que é variância de um modelo?
28 - O que é termo de regularização?
29 - Qual é o teorema de Bayes?
30 - O que é função de densidade de probabilidade?
31 - O que é valor esperado?
32 - Em qual região do espaço dos dados de diferentes classes ocorre maior probabilidade de erro de classificação?