Resposta correta
Explicação
Esta é uma tarefa de regressão porque o objetivo é prever um valor numérico contínuo (o preço de venda) com base em características de entrada. Modelos de regressão aprendem a relação entre variáveis independentes (tamanho, quartos, localização) e uma variável dependente (preço) para gerar um número real. No Azure Machine Learning, algoritmos de regressão como Linear Regression, Decision Forest Regression ou Neural Network Regression seriam apropriados para este cenário.
Para se aprofundar
A regressão prevê um alvo numérico contínuo, portanto o modelo aprende uma função que mapeia características como metragem quadrada, contagem de quartos e localização codificada para um preço de valor real, normalmente minimizando o erro quadrático médio. A classificação, por outro lado, gera rótulos de classe discretos, o agrupamento (clustering) agrupa dados não rotulados sem um alvo, e o aprendizado por reforço otimiza ações por meio de sinais de recompensa. Uma sutileza é que a regressão assume que a distribuição do alvo e a estrutura de erro importam: preços distorcidos frequentemente justificam uma transformação logarítmica, e a avaliação usa MAE, RMSE ou R-quadrado em vez de precisão. Na prática, um modelo imobiliário treinado dessa forma também deve se proteger contra a extrapolação, já que prever preços para tamanhos muito fora da faixa de treinamento gera resultados não confiáveis, e a localização categórica precisa de codificação adequada para evitar implicar distância ordinal entre bairros.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.