Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2023

Aprendizado não supervisionado – Redução de dimensionalidade

Gabarito: Errado. A afirmação confunde dois conceitos distintos: a compressão de atributos (que é uma técnica de redução de dimensionalidade por transformação, como a Análise de Componentes Principais – PCA) com a seleção de atributos (que efetivamente identifica e descarta atributos irrelevantes ou redundantes). Na compressão, os atributos originais são combinados para formar novas variáveis (componentes), não sendo simplesmente desconsiderados.

Conteúdo de apoio (C1): "A Análise de Componentes Principais (PCA) é uma técnica que reduz o número de dimensões em grandes conjuntos de dados, preservando a maior parte das informações originais. Isso é feito por meio da transformação de variáveis potencialmente correlacionadas em um conjunto menor de variáveis não correlacionadas, chamadas componentes principais."

O item afirma que na compressão de atributos, "atributos irrelevantes ou redundantes são identificados e desconsiderados". Essa é a descrição exata da seleção de atributos (feature selection), não da compressão. Em técnicas de compressão como PCA, todos os atributos originais são utilizados na transformação linear; nenhum é descartado individualmente. A redução se dá pela escolha dos componentes que explicam a maior parte da variância, mas não há eliminação direta de atributos.

✅ Conceitos importantes para não confundir:

• Seleção de atributos: escolhe um subconjunto dos atributos originais, descartando os demais.

• Compressão de atributos (extração de atributos): cria novos atributos a partir dos originais (ex.: PCA, autoencoders), reduzindo a dimensionalidade sem descartar completamente as variáveis originais.

Portanto, o item está ERRADO.

❌ ERRADO