Natasha, uma cientista de dados, está trabalhando com um conjunto de dados sobre carros para fazer um modelo preditivo

FGV 2022 - QUESTÃO 62

Natasha, uma cientista de dados, está trabalhando com um conjunto de dados sobre carros para fazer um modelo preditivo para uma companhia de seguros. A primeira versão do modelo utiliza apenas informações básicas sobre os carros: a marca e a cor.

Como esses dados são categóricos, Natasha faz um préprocessamento usando a biblioteca scikit-learn. Em um ambiente interativo, ela executa os comandos a seguir.

>>> from sklearn.preprocessing import OneHotEncoder

>>> enc = OneHotEncoder()

>>> X = [['Toyota', 'vermelho'], ['Toyota',

'verde'], ['BMW', 'vermelho']]

>>> enc.fit(X)

>>> enc.get_feature_names()

array(['x0_BMW', 'x0_Toyota', 'x1_verde',

'x1_vermelho'], dtype=object)

>>> X_prime = enc.transform(X).toarray()

>>> X_prime

array([[0., 1., 0., 1.], [0., 1., 1., 0.], [1., 0.,

0., 1.]])

Para contar o número de carros da marca Toyota no conjunto de dados, obtendo corretamente o resultado 2, Natasha pode usar a seguinte linha de código:

(A) len([i for i in X if i == 'Toyota'])

(B) len([i for i in X_prime if i[0] == 1])

(D) sum(X_prime)[1]

(E) sum(X_prime[:,0])

QUESTÃO ANTERIOR:

- Considere o código Python a seguir.

GABARITO:

(D) sum(X_prime)[1]

RESOLUÇÃO:

Não temos resolução para essa questão! Você sabe explicar? Copie o link dessa página e envie sua resolução clicando AQUI!

PRÓXIMA QUESTÃO:

- Analise o conjunto de dependências funcionais inferidas abaixo a partir do conjunto de atributos e dependências funcionais presentes na tabela R, como descrita anteriormente.