• AO Modelo I é necessariamente superior ao Modelo II, pois redes neurais profundas sempre apresentam maior acurácia e, portanto, devem ser priorizadas em qualquer aplicação de aprendizado de máquina.
• BO Modelo II é um exemplo de aprendizado não supervisionado, uma vez que árvores de decisão não utilizam rótulos durante o treinamento, o que explica sua maior interpretabilidade.
• CA escolha entre os modelos envolve um trade-off entre interpretabilidade e desempenho preditivo; no contexto fiscal, a interpretabilidade do Modelo II pode ser decisiva para atender às exigências de transparência e fundamentação das decisões.
• DO Modelo I sofre de overfitting, pois redes neurais profundas sempre se ajustam excessivamente aos dados de treinamento, enquanto o Modelo II, por ser mais simples, é imune a esse problema.
• EO Modelo II é inviável para a tarefa, pois árvores de decisão não conseguem lidar com variáveis categóricas, comuns em dados cadastrais de contribuintes, ao contrário das redes neurais.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.