Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2024
Engenharia de Software›Inteligencia Artificial
Código
ce167046
Banca
CESPE / CEBRASPE
Órgão
ANATEL
Ano
2024
Nível
Superior
Cargo
Especialista em Regulação de Serviços Públicos de Telecomunicações – Especialidade: Ciências de Dados
A respeito de KNN (k-nearest neighbours), SVM (support vector machines), deep learning e técnicas de agrupamento, julgue o item a seguir.O SVM classifica os dados encontrando uma linha ou hiperplano ideal; essa linha de separação é encontrada entre duas classes distintas pela análise dos dois pontos, um de cada grupo, mais próximos da outra classe.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
SVM (Support Vector Machine)
✅ CERTO. A afirmação está correta. O SVM (Support Vector Machine) é um algoritmo de aprendizado supervisionado que busca o hiperplano que melhor separa duas classes, maximizando a margem entre elas. Esse hiperplano é definido pelos support vectors, que são exatamente os pontos de cada classe mais próximos da outra classe — conforme descrito no enunciado.
O material de apoio confirma: "o que uma SVM faz é encontrar uma linha de separação, mais comumente chamada de hiperplano entre dados de duas classes. Essa linha busca maximizar a distância entre os pontos mais próximos em relação a cada uma das classes." (fonte: conteúdo de apoio).
A expressão "dois pontos" é uma simplificação — na prática, cada classe pode contribuir com um ou mais support vectors — mas a ideia central de que o SVM se baseia nos pontos mais próximos das classes opostas está correta.