Considere a biblioteca sklearn (scikit-learn), versão 1.5.2, da linguagem de programação Python. O atributo da classe sklearn.linear_model.LinearRegression, que retorna o termo independente no modelo linear, quando os parâmetros estão configurados no modo padrão (default), é
- A)fit_
Errada, porque fit_ não é o atributo que representa o termo independente no LinearRegression.
- B)coef_
Errada, porque coef_ armazena os coeficientes do modelo, e não o intercepto.
- C)predict_
Errada, porque predict_ não é o nome de um atributo da classe LinearRegression para esse fim.
- D)intercept_
Certa, porque intercept_ guarda o termo independente aprendido pelo modelo após o ajuste.
- E)independent_
Errada, porque independent_ não é um atributo existente nessa classe do scikit-learn.
Gabarito: D
Na biblioteca scikit-learn, a classe LinearRegression representa uma regressão linear comum. Depois de ajustar o modelo com fit(), alguns atributos ficam disponíveis com o sufixo de underscore, indicando que foram aprendidos a partir dos dados. Isso é bem característico da biblioteca: parâmetros de entrada ficam sem esse sufixo, e atributos estimados pelo treinamento ganham ele. No caso da regressão linear, o coef_ guarda os coeficientes angulares, ou seja, os pesos das variáveis explicativas. Já o termo independente, também chamado de intercepto ou viés, é armazenado em intercept_. Em outras palavras: se o modelo fosse uma reta, esse é o valor em que ela “corta” o eixo y quando as demais variáveis valem zero. Por isso, o gabarito é a alternativa D. O nome do atributo é exatamente intercept_, e ele traz o termo independente do modelo ajustado. As demais opções misturam nomes que não correspondem a atributos do LinearRegression ou confundem métodos com atributos. Dica prática: em scikit-learn, desconfie de nomes sem underscore final quando a pergunta fala de algo aprendido após o treino. Aqui, o intercepto é um atributo treinado, não um método de previsão nem um coeficiente.