Questão de Estatística — Cálculo de Probabilidades — CESPE / CEBRASPE 2024

Naive Bayes e aprendizagem por reforço

❌ ERRADO. O item está incorreto porque Naive Bayes não é um algoritmo de aprendizagem por reforço. Naive Bayes é um classificador de aprendizagem supervisionada, que utiliza o teorema de Bayes para calcular a probabilidade a posteriori de uma classe dado um conjunto de atributos, assumindo independência condicional entre os atributos. A aprendizagem por reforço, por sua vez, é um paradigma em que um agente aprende por tentativa e erro, recebendo recompensas ou punições por suas ações — conceito que nada tem a ver com o teorema de Bayes.

O item mistura dois paradigmas distintos de aprendizado de máquina. Naive Bayes é um método probabilístico supervisionado: dado um conjunto de treinamento com rótulos, ele estima as probabilidades condicionais $P(X_i|C)$ e, pelo teorema de Bayes, calcula $P(C|X)$, classificando a nova observação na classe de maior probabilidade a posteriori. Já a aprendizagem por reforço envolve um agente que interage com um ambiente, executa ações e recebe recompensas (ou penalidades), buscando maximizar a recompensa acumulada ao longo do tempo — é o paradigma de algoritmos como Q-learning e SARSA.

A banca explora exatamente essa confusão: o candidato que sabe que Naive Bayes usa o teorema de Bayes pode ser induzido a aceitar a descrição, mas o erro está em classificar o algoritmo como "aprendizagem por reforço". O teorema de Bayes é apenas a base matemática do classificador, não o mecanismo de aprendizado.

Alternativa E — ❌ Incorreta ⟵ GABARITO

A afirmativa está errada por três motivos:

1. Paradigma de aprendizado: Naive Bayes é supervisionado, não por reforço. Na aprendizagem supervisionada, o modelo aprende a partir de dados rotulados; na por reforço, aprende por interação com o ambiente e recompensas.

2. Mecanismo: Naive Bayes não envolve "agente", "ação" ou "recompensa". Ele calcula a probabilidade a posteriori usando o teorema de Bayes, mas isso é apenas a fórmula de classificação, não um processo de aprendizado por reforço.

3. Objetivo: O objetivo do Naive Bayes é classificar novas instâncias, não maximizar recompensa acumulada.

Portanto, a descrição apresentada é uma mistura incorreta de conceitos de áreas distintas do aprendizado de máquina.

Gabarito: letra E — o item está ERRADO.