Julgue os itens subsequentes, a respeito de regressão logística.

O algoritmo de minimização da função custo do processo de aprendizado supervisionado aplicado à regressão logística com a hipótese do modelo definida a partir da função sigmoide não é imune ao overfitting, que pode ser mitigado por meio de técnica de regularização.

Acerca de autoencoders, julgue os próximos itens.

Em uma rede autoencoder, o elemento encoder tem por finalidade representar dados de entrada da rede em um espaço de representação latente, enquanto o elemento decoder busca reconstruir os dados originais de entrada, a partir desse espaço de representação latente.

Acerca de autoencoders, julgue os próximos itens.

Quanto menor for a dimensão do espaço de representação latente de um autoencoder, maior será a sua capacidade de regenerar a informação da entrada em sua saída.

Em relação ao aprendizado supervisionado aplicado a problemas de regressão linear, julgue os itens que se seguem.
A técnica denominada gradient descent é aplicável à minimização da função custo no processo de aprendizado supervisionado para regressão linear; nela se determina, a cada iteração do processo de aprendizado, uma aproximação de segunda ordem da função custo, por meio de uma expansão de Taylor, necessitando-se, assim, da determinação numérica do jacobiano da função custo, calculado com base nos parâmetros do modelo a ser ajustado.

Em relação ao aprendizado supervisionado aplicado a problemas de regressão linear, julgue os itens que se seguem.
Na regressão linear por meio de aprendizado supervisionado com o emprego da técnica denominada stochastic gradient descent, em cada iteração do processo de minimização da função custo, todas as amostras do conjunto de treinamento são utilizadas no ajuste do modelo a ser determinado.