Questão de Algoritmos e Estrutura de Dados — Algoritmos — CESPE / CEBRASPE 2024

Random Forests: Importância de Recursos

Gabarito: Errado. Random forests não fornecem pontuações de distância euclidiana entre os recursos para medir a importância relativa de cada recurso na previsão. A importância de recursos em random forests é geralmente calculada com base na redução de impureza (Gini ou entropia) ou por permutação (mean decrease accuracy). A distância euclidiana é uma métrica de similaridade usada em algoritmos como k-NN, clustering (k-means) e SVM, e não é uma medida nativa de importância em modelos de árvores.

A afirmativa confunde dois conceitos distintos da área de aprendizado de máquina. Enquanto random forests são modelos baseados em árvores de decisão que fornecem importância de features de forma intrínseca, a distância euclidiana é uma medida geométrica entre pontos no espaço de características – não um produto do algoritmo random forest.

Conclusão: ❌ ERRADO.