O pré-processamento de dados é uma etapa crucial no pipeline de aprendizado de máquina, visando melhorar a qualidade e a performance dos modelos. A remoção de outliers (valores discrepantes) é uma prá

Question

O pré-processamento de dados é uma etapa crucial no pipeline de aprendizado de máquina, visando melhorar a qualidade e a performance dos modelos. A remoção de outliers (valores discrepantes) é uma prática comum nessa fase. Qual das seguintes afirmações descreve mais precisamente um método robusto e frequentemente utilizado para identificar e tratar outliers em dados unidimensionais, que é menos sensível a esses próprios valores discrepantes do que a média?

Accepted Answer

Basear a identificação em intervalos interquartis (IQR), onde outliers são definidos como valores fora de Q1 - 1.5*IQR ou Q3 + 1.5*IQR.

Answer

Utilizar a média e o desvio padrão, considerando outliers aqueles que excedem 3 desvios padrão da média.

Answer

Aplicar uma transformação logarítmica em todo o conjunto de dados e, em seguida, remover valores extremos.

Answer

Substituir todos os valores que diferem da moda (valor mais frequente) por um valor de imputação padrão.

Answer

Remover qualquer ponto de dados que tenha uma distância Euclidiana maior que 2 do centroide do cluster mais próximo.

Questão 20582 — Tecnologias da Informação

Comentários