Resposta correta
- BClassificação supervisionada
Explicação
O objetivo é prever um resultado categórico (cancelamento: sim/não) a partir de dados históricos rotulados. Os algoritmos de classificação supervisionada, como regressão logística ou árvores de decisão, aprendem com as características de entrada (idade, histórico de compras) e o rótulo de destino (status de cancelamento) para atribuir novos clientes a uma das classes discretas. Isso corresponde diretamente ao requisito de um modelo de classificação binária.
Para se aprofundar
A previsão de cancelamento mapeia características de entrada, como idade e histórico de compras, para um rótulo discreto, cancelado ou não, sendo, portanto, uma tarefa de classificação binária. Nos bastidores, algoritmos como regressão logística ou árvores impulsionadas por gradiente aprendem um limite de decisão minimizando uma perda, como a entropia cruzada binária, e aplicam um limite a uma saída de probabilidade. Uma sutileza que vale a pena saber: a pontuação bruta é uma probabilidade, e mover esse limite troca precisão por revocação, o que importa quando falsos negativos (clientes cancelados não detectados) custam mais do que falsos positivos. O desbalanceamento de classes é comum porque poucos clientes cancelam, portanto, técnicas como ponderação de classes ou reamostragem são usadas. Na prática, um varejista pontua cada cliente ativo todas as noites e direciona aqueles com alta probabilidade para ofertas de retenção, monitorando métricas como AUC em vez de apenas a acurácia.
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.