O último vídeo sobre BernoulliBN teve um fim abrupto e deu a sensação de que haveria continuidade. É isso mesmo? O Exercício seguinte também parece meio fora do contexto da aula.
O último vídeo sobre BernoulliBN teve um fim abrupto e deu a sensação de que haveria continuidade. É isso mesmo? O Exercício seguinte também parece meio fora do contexto da aula.
hoje, com a Alura e o Google Gemini
Olá Luís!
Entendo a sua frustração com o fim abrupto do último vídeo sobre BernoulliBN. Realmente, a explicação chegou ao fim com a aplicação prática no projeto, mas não houve uma despedida formal e anúncio sobre a finalização do conteúdo.
Em relação à questão, no contexto do Machine Learning, a biblioteca sklearn oferece diferentes implementações do algoritmo de Naïve Bayes. As três implementações mais utilizadas são:
BernoulliNB(): É adequado para dados binários, onde as características podem assumir apenas dois valores, como verdadeiro ou falso.
GaussianNB(): É adequado para dados contínuos, onde as características seguem uma distribuição normal.
MultinomialNB(): É adequado para dados discretos, onde as características representam a contagem de ocorrências de determinados eventos.
Portanto, a resposta correta para a atividade em questão seria a alternativa D: BernoulliNB(), GaussianNB() e MultinomialNB().
Espero que, apesar desse desconforto, o curso esteja sendo proveitoso para você. Agradeço imensamente por compartilhar seu feedback conosco.
Grande abraço.