que caracteriza uma 'regressão' em Machine Learning? a. Estimar o tempo de execução b. Prever valores contínuos c. Prever categorias d. Classificar textos

resposta correta é a opção b. Prever valores contínuos.<br /><br />Uma regressão em Machine Learning é um tipo de algoritmo de aprendizado de máquina supervisionado que é usado para prever valores contínuos. Em outras palavras, a regressão é usada para fazer previsões sobre uma variável dependente que é contínua, como o preço de uma casa, a temperatura de um dia ou a altura de uma pessoa.<br /><br />Ao contrário de uma classificação, que é usada para prever categorias ou rótulos discretos, a regressão é usada para fazer previsões sobre valores que podem assumir qualquer valor dentro de um intervalo contínuo. Isso significa que a saída de um modelo de regressão é um valor numérico contínuo, em vez de uma categoria ou rótulo.<br /><br />Por exemplo, se quisermos prever o preço de uma casa com base em suas características, como o número de quartos, o tamanho da área e a localização, podemos usar um modelo de regressão. O modelo aprenderá a relação entre essas características e o preço da casa, e será capaz de fazer previsões sobre o preço da casa com base nesses dados. A saída do modelo será um valor numérico contínuo, representando o preço da casa.<br /><br />Portanto, a característica que define uma regressão em Machine Learning é a capacidade de prever valores contínuos.