• AA técnica (I) é um exemplo de aprendizado não supervisionado, pois utiliza os rótulos para treinar o modelo; a técnica (II) é um exemplo de aprendizado supervisionado, pois busca agrupar os dados sem rótulos. A implicação prática é que a técnica (II) pode ser usada para prever diretamente o risco de sonegação de novos contribuintes.
• BA técnica (I) é um exemplo de classificação, pois prediz uma classe discreta a partir de dados rotulados; a técnica (II) é um exemplo de clustering, pois agrupa instâncias com base em similaridade sem usar rótulos. A implicação prática é que os agrupamentos da técnica (II) podem não corresponder exatamente às classes de risco, mas podem revelar subgrupos dentro delas, auxiliando na criação de políticas de fiscalização mais direcionadas.
• CA técnica (I) é um exemplo de regressão, pois estima a probabilidade contínua de sonegação; a técnica (II) é um exemplo de classificação, pois atribui rótulos aos agrupamentos formados. A implicação prática é que a técnica (I) permite ordenar os contribuintes por probabilidade de sonegação, enquanto a técnica (II) fornece rótulos definitivos de risco.
• DA técnica (I) é um exemplo de clustering, pois agrupa os contribuintes em duas classes de risco; a técnica (II) é um exemplo de classificação, pois utiliza os rótulos para treinar o modelo. A implicação prática é que a técnica (I) pode ser usada para identificar novos padrões de sonegação não previstos inicialmente, enquanto a técnica (II) é limitada a reproduzir os rótulos conhecidos.
• EA técnica (I) é um exemplo de aprendizado por reforço, pois o modelo aprende com recompensas ao acertar a classe; a técnica (II) é um exemplo de regressão, pois estima valores contínuos para agrupar os contribuintes. A implicação prática é que a técnica (I) se adapta dinamicamente a novos dados, enquanto a técnica (II) requer um número predefinido de agrupamentos.

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

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